Psychoanalytic Patients in the U.S., Canada, and Australia: I. DSM-III-R Disorders, Indications, Previous Treatment, Medications, and Length of Treatment
Notice bibliographique
Résumé
To determine the demographics, DSM-III-R disorders diagnosed, indications used in recommending psychoanalysis, previous treatment histories, use of medication, and length of treatment in patients in psychoanalysis in the U.S., Canada, and Australia, a mail survey of practice was sent to every other active member of the American Psychoanalytic Association and every member of the Australian Psychoanalytical Society. This supplemented an earlier survey sent to all Ontario psychoanalysts. The response rates were 40.1 % (n = 342) for the U.S., 67.2% (n = 117) for Canada, and 73.9% (n = 51) for Australia. Respondents supplied data on 1,718 patients. The employment rate for patients increases as analysis progresses (p < .0001). The mean number of concurrent categories of disorders (Axis I, Axis II, and Disorders First Evident in Childhood) per patient at the start of treatment is 5.01 (SD = 3.66; median = 4; mode = 3). There are no statistically significant differences across countries. Mood, anxiety, sexual dysfunction, and personality disorders are most common. American Psychiatric Association / American Psychoanalytic Association peer review criteria for indicating psychoanalysis are followed for 86.5% of patients. Over 80% of patients in all three countries had undergone previous treatments prior to analysis. In the U.S., 18.2% of analysands are on concurrent psychoactive medication; in Australia, 9.6%. The mean length of analyses conducted in the U.S. is 5.7 years, in Australia 6.6, and in Canada 4.8. Psychoanalytic patients in all three countries have similar rates of DSM-III-R psychopathology, and many indications of chronicity.
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 | 0,001 |
| 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 ».