The Validation of the Sinclair Compassion Questionnaire (SCQ) and SCQ Short Form in an English-Speaking U.S. Population: A Patient-Reported Measure of Compassion in Healthcare
Notice bibliographique
Résumé
Background: Compassion is recognized as a key component of high-quality healthcare. The literature shows that compassion is essential to improving patient-reported outcomes and fostering health care professionals’ (HCPs) response and resilience to burnout. However, compassion is inherently difficult to define, and a validated tool to reliably quantify and measure patients’ experience of compassion in healthcare settings did not exist until recently. The Sinclair Compassion Questionnaire (SCQ) was compared to six similar tools in 2022 and emerged as the most reliable tool to assess compassion. The purpose of our study was to validate the SCQ in an English-speaking U.S. population. Methods: A total of 272 patients completed our survey, which included the SCQ and 17 demographic-related questions. A confirmatory factor analysis (CFA) was conducted to establish the construct validity of the SCQ and also the five-item version, the SCQ Short Form (SCQ-SF). Results: The CFA confirmed a good model fit, with factor loadings ranging from 0.81 to 0.93. Further analysis showed strong reliability, ranging from 0.866 to 0.957, and with an overall Cronbach’s alpha = 0.96. Conclusions: This study validates the SCQ and SCQ-SF in an English-speaking U.S. population and provides researchers and HCPs with a reliable psychometric tool to measure compassion across healthcare settings.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».