Contrasting Two Clients in Emotion-Focused Therapy for Depression 2: The Case of "Eloise," "It's Like Opening the Windows and Letting the Fresh Air Come In"
Notice bibliographique
Résumé
This paper presents a good-outcome case of "Eloise," an individual drawn from the York II Depression study and treated with emotion-focused therapy (EFT) (Goldman, Greenberg, & Angus, 2006). Using the case comparison method, this study considers data from an observer-rated measure of emotional processing during therapy, the client's perceptions of change as measured by post-session and post-therapy questionnaires, the therapist's perceptions of change as measured by post-session reports, and post-therapy interview data, to form an understanding of factors that contributed to change. Eloise's case study is designed to compare and contrast with Watson, Goldman, and Greenberg's (2011) case study of Tom, a poor-outcome case drawn from a similar RCT. The Eloise and Tom case studies extend and build upon the cases presented by the authors of Case Studies in Emotion-Focused Treatment of Depression: A Comparison of Good and Poor Outcome (Watson, Goldman, & Greenberg, 2007), which consist of three good outcome and three poor outcome clients 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 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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,010 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».