A Randomized Controlled Trial of Emotion Recognition Training After Traumatic Brain Injury
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
OBJECTIVE: To examine the effectiveness of 2 affect recognition interventions (Faces and Stories) in people with a traumatic brain injury. SETTING: Postacute rehabilitation facilities. PARTICIPANTS: A total of 203 participants with moderate to severe traumatic brain injury were screened; 71 were eligible and randomized to the Faces (n = 24), Stories (n = 23), and Control interventions (n = 24). Participants were an average of 39.8 years of age and 10.3 years postinjury; 74% of participants were male. DESIGN: Randomized controlled trial with immediate, 3-month, and 6-month follow-up posttests. Interventions were 9 hours of computer-based training with a therapist. MEASURES: Diagnostic Assessment of Nonverbal Accuracy 2-Adult Faces; Emotional Inference From Stories Test; Empathy (Interpersonal Reactivity Index); and Irritability and Aggression (Neuropsychiatric Inventory). RESULTS: The Faces Intervention did significantly better than the Control Intervention on the Diagnostic Assessment of Nonverbal Accuracy 2-Adult Faces (P = .031) posttreatment; no time effect or group interaction was observed. No other significant differences were noted for the Faces Intervention. No significant differences were observed between the Stories and the Control Interventions; however, a significant time effect was found for the Emotional Inference From Stories Test. CONCLUSION: The Faces Intervention effectively improved facial affect recognition in participants with chronic post-traumatic brain injury, and changes were maintained for 6 months. Future work should focus on generalizing this skill to functional behaviors.
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 | 0,016 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 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 découle