Validation of the Lithuanian version of the brief Negative Symptoms Scale
Notice bibliographique
Résumé
Purpose of the article To validate the Lithuanian version of the Brief Negative Symptoms Scale (Lith-BNSS) in a Lithuanian speaking sample.Materials and methods We performed a double translation of BNSS from English into Lithuanian. Four clinicians conducted psychometric validation. We checked the internal consistency of the 13 items and six subscales of BNSS. Convergent and discriminant validity were calculated by applying BNSS in clinical practice with other psychometric tools for negative, positive, and depressive symptoms and cognitive deficit assessment. The psychometric tools used were BNNS, Self-assessment of Negative Symptoms Scale (SNS), Positive and Negative Symptoms Scale (PANSS), Montgomery Asberg Depression Rating Scale (MADRS), and Calgary Depression Scale for Schizophrenia (CDSS). We calculated the convergent and discriminant validities using Pearson and Spearman correlations.Results We have included 130 patients. Excellent internal consistency was observed for the 13 items (alpha = 0.944) and the six subscales (alpha = 0.874) of BNSS. Good convergent validity is illustrated by strong Pearsons’s correlations with the PANSS negative subscale (r = 0.77, p < 0.001) and the PANSS Marder negative factor (r = 0.77, p < 0.001). Adequate discriminant validity is shown by a non-significant correlation with PANSS positive subscore (r = 0.13, p = 0.15), PANSS Marder positive factor (r = 0.14, p = 0.13), CDSS total score (r = 0.02, p = 0.83) and MADRS total score (r = 0.12, p = 0.2).Conclusions Lith-BNSS has good psychometric properties and can be used as a valuable addition to the available Lithuanian evaluation tools for negative symptoms of schizophrenia.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».