Cognitive‐behavioral therapy: applications for the management of bipolar disorder
Notice bibliographique
Résumé
OBJECTIVES: This paper reviews cognitive-behavioral therapy (CBT) for bipolar disorder (BD). Data on the poor outcome of about 50% of patients diagnosed with BD supports the addition of a psychosocial intervention for the treatment of this recurring disorder. The psychoeducational nature of CBT, the effectiveness of CBT in increasing compliance to pharmacological treatment, and the ability of CBT to prevent relapse in unipolar depression (UD) are well suited to the treatment of BD. METHOD: Psychosocial interventions for BD will be briefly reviewed. Individual and group CBT interventions (published and unpublished) will also be reviewed. The significance of comorbid anxiety disorders regarding response to treatment will also be discussed. A review of the treatment protocol with the specific cognitive-behavioral interventions as applied to BD will be presented. Finally, a case example will be presented to illustrate the application of CBT to BD. RESULTS: Preliminary results indicate that CBT may be an effective adjunctive, intervention for the treatment of BD. Specifically CBT may be helpful in increasing compliance, improving quality of life and functioning, help early symptom recognition, decrease relapse and decrease depressive symptomatology. CONCLUSIONS: Preliminary data on CBT for BD are promising but more rigorous randomized clinical trials are needed to confirm the efficacy of CBT for BD. An other area of research should be to pursue the understanding of cognitive processes in BD which would allow us to refine and develop CBT interventions unique to this disorder.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 ».