Predictors of Long-Term Treatment Outcome in Combat and Peacekeeping Veterans With Military-Related PTSD
Notice bibliographique
Résumé
OBJECTIVE: Posttraumatic stress disorder (PTSD) is a significant psychiatric condition that may result from exposure to combat; it has been associated with severe psychosocial dysfunction. This study examined the predictors of long-term treatment outcomes in a group of veterans with military-related PTSD. METHOD: The study consisted of a retrospective chart review of 151 consecutive veterans treated at an outpatient clinic for veterans with psychiatric disorders resulting from their military operations between January 2002 and May 2012. The diagnosis of PTSD was made using the Clinician-Administered PTSD Scale. As part of treatment as usual, all patients completed the PTSD Checklist-Military version and Beck Depression Inventory (BDI-II) at intake and at each follow-up appointment, the Short-Form Health Survey (SF-36) at intake, and either the SF-36 or the 12-item Short-Form Health Survey at follow-up. All patients received psychoeducation about PTSD and combined pharmacotherapy and psychotherapy. RESULTS: Analyses demonstrated a significant and progressive improvement in PTSD severity over the 2-year period ([n = 117] Yuan-Bentler χ²40 = 221.25, P < .001). We found that comorbid depressive symptom severity acted as a significant predictor of PTSD symptom decline (β = -.44, SE = .15, P = .004). However, neither alcohol misuse severity nor the number of years with PTSD symptoms (chronicity) was a significant predictor of treatment response. CONCLUSIONS: This study highlights the importance of treating comorbid symptoms of depression aggressively in veterans with military-related PTSD. It also demonstrates that significant symptom reduction, including loss of probable PTSD diagnosis, is possible in an outpatient setting for veterans with chronic military-related PTSD.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».