A comparison of the associations of the Diagnostic and Statistical Manual of Mental Disorders, fifth edition, Section II personality disorders and Section III personality domains with clinical dysfunction in a psychiatric patient sample.
Notice bibliographique
Résumé
= 185). To this end, a series of hierarchical regression analyses was conducted in which the 10 SII-PDs and the five AMPD trait domains served as the predictor variables and five areas of clinical dysfunction as the criterion variables. Two models for each criterion were tested. In Model A, the 10 PDs were entered as a block, followed by the block entry of trait domains; in Model B, the block entry of these predictors was reversed. As the AMPD was designed to address the shortcomings of the SII-PDs, it was hypothesized that the AMPD trait domains would show greater predictive capacity vis-à-vis the latter by (a) explaining more overall variance for each criterion variables when entered first into the model versus when SII-PDs was entered first and (b) explaining more incremental variance than SII-PDs when block was entered second. These hypotheses were partially supported. Overall, the AMPD trait domains predicted more variance than SII-PDs and demonstrated better model fit and more predictive power for three of the criterion variables. Similarly, the AMPD domains predicted a significant but modest incremental increase in variance over that of the SII-PDs for three of the criterion variables. We conclude that more work needs to be done to improve the AMPD, particularly in the assessment of externalizing psychopathology as it relates to clinical dysfunction. (PsycInfo Database Record (c) 2024 APA, all rights reserved).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».