Skills Training as an Adjunctive Treatment for Personality Disorders
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Personality disorders are usually treated with either psychodynamic or supportive psychotherapy, with psychotropic medication often used as an adjunctive treatment. However, patients with personality disorders pose special treatment issues, because their problems are pervasive and long-standing and they have entrenched deficits in many areas of functioning. In this article, the authors consider the role of skills training in the treatment of personality disorders. They describe a two-pronged approach to the treatment of personality disorders based on a model of deficit compensation. Because skills training has only been investigated in a very limited way in personality disorders, the authors first review research on the use of skills training in Axis I disorders as background for a discussion of ways in which skills training may be applicable to the treatment of Axis II disorders. They describe a number of skills training approaches (social skills training, anger management, and conversational skills) that can be used for a variety of different Axis I disorders. Skills training approaches that are targeted to specific types of disorders (substance use disorders, schizophrenia, anxiety disorders, adolescent problems) are also described. The authors then review what is known about the use of skills training in borderline personality disorder and avoidant personality disorder, and propose skills training approaches that may be useful for patients with paranoid personality disorder and antisocial personality disorder. Case examples are provided to demonstrate how skills training for personality disorders can be applied in clinical practice.
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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle