Validité de construit d’une traduction française du Post-Traumatic Stress Disorder Cheklist For DSM-5 auprès d’une population clinique au prise avec un trouble de stress post-traumatique
Bibliographic record
Abstract
Contexte théorique : Au Canada, la prévalence du trouble de stress post-traumatique (TSPT) serait de 9,2%. Plusieurs questionnaires ont été développés pour mesurer les symptômes du TSPT dont le PTSD Checklist For DSM-5 (PCL-5). Ce questionnaire autorapporté a été validé à plusieurs reprises avec des échantillons non-cliniques ou militaires. Toutefois, le PCL-5 n’a jamais été validé avec un échantillon clinique et civil. Aussi, le nombre idéal de facteur du PCL-5 reste toujours à être démontré. Objectif : Cette étude vise à établir la validité de construit du PCL-5 d’un échantillon clinique et civil de 132 participants aux prises avec un TSPT. Les 3 principales structures factorielles seront analysées de façon à retenir celle qui présente les meilleurs résultats. Méthodologie : Les structures factorielles ont été mesurées avec des analyses factorielles confirmatoires et des analyses bifactorielles. La consistance interne a été mesurée à partir du coefficient Oméga de McDonald. La validité convergente et divergente a été mesurée par des corrélations de Pearson avec d’autres construits. Résultats : Au niveau des indices d’ajustement, le modèle à 7 facteurs a obtenu les meilleurs résultats. Sur le plan de la fidélité et sur celui de la validité convergente et divergente, le modèle à 4 facteurs possède les résultats les plus optimaux. Discussion : Globalement, le modèle à 4 facteurs est le plus approprié pour le PCL-5. De plus, les modèles à 6 et 7 facteurs présentent quelques lacunes sur le plan méthodologique et statistique. Finalement, le PCL-5 est un questionnaire valide et fidèle pour une population clinique et civile.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.046 | 0.074 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".