MétaCan
Menu
Retour à la cohorte
Enregistrement W4414208031 · doi:10.1192/j.eurpsy.2025.2239

Validation of the Lithuanian version of the Brief Negative Symptoms Scale

2025· article· en· W4414208031 sur OpenAlexaboutno aff
Jonas Montvidas, E. Zauka, Virginija Adomaitienė

Notice bibliographique

RevueEuropean Psychiatry · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueResilience and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSchizophrenia (object-oriented programming)Positive and Negative Syndrome ScaleScale (ratio)Rating scaleNegative symptomLithuanianDiscriminant validityDepression (economics)

Résumé

récupéré en direct d'OpenAlex

Introduction Negative symptoms of schizophrenia include abulia, anhedonia, alogia, blunted affect, and social isolation. These symptoms strongly correlate with health-related quality of life and treatment outcomes. (Azaiez et al., 2018; Galderisi et al., 2018; Kirkpatrick et al., 2006). According to current negative symptoms diagnosis and treatment guidelines, the Brief Negative Symptom Scale (BNSS) is the instrument of choice for the psychometric evaluation of negative symptoms (Galderisi et al., 2021). Unfortunately, BNSS was not available in Lithuania. Objectives To validate the Lithuanian version of the BNSS in a Lithuanian-speaking sample. Methods We performed a double translation from English to Lithuanian and then back to English. The final version of the Lithuanian BNSS (Lit-BNSS) was finalized according to comments from two native Lithuanian-speaking experts, who evaluated the forward translation, and the representatives of the authors of the BNSS, who evaluated the back translation. We performed a validation study in an inpatient setting in a university hospital in Lithuania and asked patients diagnosed with schizophrenia spectrum diagnosis according to ICD-10 to participate in the study. We evaluated the included patients with the Positive and Negative Symptoms Scale (PANSS), Montgomery Asberg Depression Rating Scale (MADRS), Self-Evaluation of Negative Symptoms Scale (SNS), and Calgary Depression Scale for Schizophrenia (CDSS). PANSS Marder factors were calculated for more accurate PANSS scores. We check the convergent validity with the Marder negative symptoms factor, the total score of SNS, and the discriminant validity with the Marder positive symptoms factor, MADRS, and CDSS total scores. Results The study included 122 patients. The Lit-BNSS showed great internal consistency for the 13 items (α=0,944) and good consistency for six subscores (α=0,874). Convergent validity was good, with the total score of Lit-BNSS having a strong positive correlation with the Marder negative symptoms factor and a weaker correlation with the SNS total score. Discriminant validity was adequate because there were insignificant correlations with MADRS and CDSS subscores and the Marder positive symptoms factor. Correlation scores can be seen in Table 1. Table 1. BNSS TS correlation with other scores. MARDER-NEG – PANSS Marder negative symptoms factor; SNS-TS- SNS total score; MARDER-POZ- PANSS Marder positive symptoms factor; MADRS – MADRS total score; CDSS-TS- CDSS total score Variable Correlation coefficient p-value MARDER-NEG 0,755 <0,001 SNS-TS 0,304 0,001 MARDER-POZ 0,171 0,064 MADRS-TS 0,085 0,361 CDSS-TS 0,472 0,117 Conclusions The Lit-BNSS is a valid and effective psychometric tool for evaluating negative symptoms in a Lithuanian-speaking sample. Disclosure of Interest None Declared

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,302
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean PsychiatryMême sujetResilience and Mental HealthTravaux en français237 207