Contrasting Two Clients in Emotion-Focused Therapy for Depression 1: The Case of "Tom," "Trapped in the Tunnel"
Notice bibliographique
Résumé
The objective in this paper is to present a case drawn from a series of randomized clinical trials (RCT) comparing brief (16-20 sessions), emotion-focused therapy (EFT) the process experiential approach with client-centered therapy and cognitive-behavioral therapy in the treatment of depression. A case comparison method that triangulates data from clients’ histories, in-session process, post-session questionnaires, and post-therapy outcome measures was used to increase understanding of those factors that contribute to successful and unsuccessful outcomes. The case comparison method examines the role of the working alliance, clients’ emotional processing, clients’ and therapists’ interpersonal processes, and clients’ cognitive processing, as well as the specific changes that clients report immediately following their sessions that have been found to be related to therapeutic outcomes. The method is illustrated with two examples one a poor outcome case and the other a good outcome case The poor outcome case of "Tom" is presented in this article, and the good outcome case of "Eloise" is presented in the next article by Goldman, Watson, and Greenberg (2011). These two cases extend and build on the cases presented by the authors in their book Case Studies in Emotion-Focused Treatment of Depression: A Comparison of Good and Poor Outcome (Watson, Goldman, & Greenberg, 2007), in which six clients, three good outcome and three poor outcome, were compared and contrasted using the case-comparison method.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».