Evaluation of an Inference‐Based Approach to Treating Obsessive‐Compulsive Disorder
Notice bibliographique
Résumé
This study evaluated an inference-based approach (IBA) to the treatment of obsessive-compulsive disorder (OCD) by comparing its efficacy with a treatment based on the cognitive appraisal model (CAM) and exposure and response prevention (ERP). IBA considers initial intrusions in OCD (e.g. "Maybe the door is open", "My hands could be dirty") as idiosyncratic inferences about possible states of affairs arrived at through inductive reasoning. In IBA such primary inferences represent the starting point of obsessional doubt, and the reasoning maintaining the doubt forms the focus for therapy. This is unlike CAM, which regards appraisals of intrusions as the maintaining factors in OCD. Fifty-four OCD participants, of whom 44 completed, were randomly allocated to CAM, ERP or IBA. After 20 weeks of treatment all groups showed a significant reduction in scores on the Yale-Brown Obsessive Compulsive Scale (Y-BOCS) and the Padua Inventory. Participants with high levels of obsessional conviction showed greater benefit from IBA than CAM. Appraisals of intrusions changed in all treatment conditions. Strength of primary inference was not correlated with symptom measures except in the case of strong obsessional conviction. Strength of primary inference correlated significantly with the Y-BOCS insight item. Treatment matching for high and low conviction levels to IBA and CAM, respectively, may optimize therapy outcome.
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 | 0,002 | 0,004 |
| 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».