Do personality traits matter when choosing a group therapy for early psychosis?
Notice bibliographique
Résumé
OBJECTIVES: This study aimed at determining the predictive value of personality traits, based on the Five Factor Model (FFM) of personality, on therapeutic outcomes according to specific group treatments for first episode psychosis: cognitive-behavioural therapy (CBT) or skills training for symptom management (SM). METHODS: Individuals experiencing early psychosis were recruited to participate in a randomized- controlled trial (RCT). Participants were randomized to one of two group treatments or to a wait-list control group. Measures included a personality inventory (NEO-FFI) and outcome measures of symptomatology (BPRS-E) and coping strategies (CCS). Pearson correlation analyses were conducted on 78 individuals and linear regression analyses on 66. RESULTS: Links were found between personality traits, symptoms, and coping outcome measures, according to specific group treatments. Personality traits were particularly linked to therapeutic changes in active coping strategies, with Conscientiousness accounting for 14% of the variance in the CBT group, Extraversion accounting for 41% of the variance in the SM group, and Openness to experience accounting for 22% of the variance in the control group. CONCLUSIONS: Individual differences in personality traits for people experiencing early psychosis should be considered when offering psychosocial treatments, since it appears that those with specific traits might benefit more than others in specific group interventions, particularly for interventions that do not solely aim at improving symptoms.
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 | 0,009 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».