Measuring Misophonia: Assessing the Psychometric Properties of the MisoQuest and Its Ability to Predict Cognitive Impacts of Triggering Sounds
Notice bibliographique
Résumé
OBJECTIVES: Misophonia is characterized by an aversion to specific sounds, such as chewing and breathing. These "trigger" sounds can elicit negative emotional reactions, physiological stress, and cognitive impairments in people with misophonia. Despite its impact, misophonia lacks formal diagnostic classification, largely due to challenges in conceptualization and assessment. One of the few psychometrically robust self-report measures for misophonia (the MisoQuest) was originally developed and evaluated in Polish. The current study evaluated the utility of the English language version of the MisoQuest, including assessment of its criterion validity using cognitive performance as an outcome. METHODS: A total of 139 participants (44 people with misophonia and 95 controls) completed the MisoQuest, the Selective Sound Sensitivity Syndrome Scale (S-Five), the Generalized Anxiety Disorders Scale, and the Sensory Hypersensitivity Scale. Participants then completed either a Stroop task or reading comprehension task in the presence/absence of triggering sounds. A subset of participants retook the MisoQuest after 5 weeks. RESULTS: The MisoQuest showed excellent internal consistency and strong test-retest reliability. Additionally, MisoQuest scores strongly correlated with S-Five scores, supporting convergent validity, and moderately correlated with measures of generalized anxiety and sensory hypersensitivity, indicating some overlap while supporting discriminant validity. Higher MisoQuest scores predicted poorer reading comprehension performance when trigger sounds were present, supporting criterion validity. However, MisoQuest scores showed no significant relationship with Stroop task performance. CONCLUSION: These findings support the MisoQuest as a reliable and useful measure of misophonia in English-speaking individuals and suggest its scores may relate to clinically relevant outcomes.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».