Predictors of treatment utilisation at cognitive remediation groups for schizophrenia: The roles of neuropsychological, psychological and clinical variables
Notice bibliographique
Résumé
The present study highlights the importance of carefully assessing neuropsychological functioning at the outset of cognitive remediation (CR) treatment. The effects of neuropsychological, psychological, and clinical variables on treatment utilisation (TU) in CR groups for individuals with schizophrenia were examined. Data included neuropsychological and psychosocial assessments conducted with 39 adult clients enrolled in CR as part of their ongoing outpatient therapy. TU was calculated using the percentage of sessions attended over a three-month period. Better global neuropsychological functioning (r = .46, p = .007), attention/working memory (r = .39, p = .03), and processing speed (r = .44, p = .01) were each associated with greater TU. Trend-level associations with TU were observed with executive functioning (r = .33, p = .06) and verbal learning (r = .23; p = .07). Higher rates of self-reported cognitive complaints were associated with lower TU (r = -.45, p = .01). Hierarchical regression analyses revealed that both objective and subjective indicators of neuropsychological functioning independently contributed to the prediction of TU. This information can serve to help providers develop empirically informed strategies to support their clients' CR treatment utilisation. The implications from these findings can be used as a way to provide ongoing guidance for service provision and can aid in improving CR treatment utilisation, and thus treatment effectiveness, in clinical settings.
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 | 0,001 | 0,006 |
| 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 | 0,001 |
| 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 ».