Reducing analogue trauma symptoms by computerized reappraisal training – Considering a cognitive prophylaxis?
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Distressing intrusions are a hallmark of posttraumatic stress disorder (PTSD). Dysfunctional appraisal of these symptoms may exacerbate the disorder, and conversely may lead to further intrusive memories. This raises the intriguing possibility that learning to 'reappraise' potential symptoms more functionally may protect against such symptoms. Woud, Holmes, Postma, Dalgleish, and Mackintosh (2012) found that 'reappraisal training' when delivered after an analogue stressful event reduced later intrusive memories and other posttraumatic symptoms. The present study aimed to investigate whether reappraisal training administered before a stressful event is also beneficial. METHODS: Participants first received positive or negative reappraisal training (CBM-App training) using a series of scripted vignettes. Subsequently, participants were exposed to a film with traumatic content. Effects of the CBM-App training procedure were assessed via three distinct outcome measures, namely: (a) post-training appraisals of novel ambiguous vignettes, (b) change scores on the Post Traumatic Cognitions Inventory (PTCI), and (c) intrusive symptom diary. RESULTS: CBM-App training successfully induced training-congruent appraisal styles. Moreover, those trained positively reported less distress arising from their intrusive memories of the trauma film during the subsequent week than those trained negatively. However, the induced appraisal bias only partly affected PTCI scores. LIMITATIONS: Participants used their own negative event as a reference for the PTCI assessments. The events may have differed regarding their emotional impact. There was no control group. CONCLUSIONS: CBM-App training has also some beneficial effects when applied before a stressful event and may serve as a cognitive prophylaxis against trauma-related symptomatology.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,004 | 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 ».