Rasch Analysis of Cannabis Use Disorder in an Adult Inpatient Sample
Notice bibliographique
Résumé
Objective: The Diagnostic and Statistical Manual of Mental Disorders version 5 (DSM-5) defines cannabis use disorder as a polythetic unidimensional diagnosis (>2 symptoms from up to 11), but few studies have empirically evaluated the latent structure of CUD. Rasch analysis is a psychometric technique that has previously been used to validate unidimensional scales, like DSM-5 CUD. Method: In this study, the Rasch model was used to evaluate the DSM-5 CUD criteria in a clinical sample of adults receiving inpatient treatment for substance use disorder (n = 249) reporting active cannabis use at admission. The unidimensionality of the criteria was evaluated using the Martin-Löf test and the nonparametric –T2 test of Ponocny. Model fit was assessed using the χ2 goodness of fit test for individual items. Results: Results supported the unidimensional structure of the criteria. Symptom # 3 was the least endorsed, highest severity item. Conversely, symptom #9 was the most endorsed and had the lowest severity estimate. Overall, the data fit the Rasch model well, although misfit was observed for symptom # 8. Conclusions: Rasch's analysis of CUD symptoms in an inpatient sample broadly supports the DSM-5 CUD syndrome. Further examination is needed to determine if removing or revising the hazardous use symptom criterion in future DSM revisions would improve diagnostic measurement.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».