Therapy Contamination as a Measure of Therapist Treatment Adherence in a Trial of Cognitive Behaviour Therapy versus Befriending for Psychosis
Notice bibliographique
Résumé
BACKGROUND: High quality randomized controlled trials (RCT) of psychotherapeutic interventions should ensure that the therapy being tested is what is actually delivered. However, contamination of one therapy into the other, a critical component of treatment adherence, is seldom measured in psychotherapy trials of psychosis. AIMS: The aim of the study was to determine whether a purpose-designed measure, the ACE Treatment Integrity Measure (ATIM) could detect therapy contaminations within a controlled trial of cognitive behavioural therapy (CBT) versus Befriending for first-episode psychosis and to compare the ATIM to a more traditional adherence measure, the Cognitive Therapy Scale (CTS). METHOD: Therapy sessions were audio-recorded and at least one therapy session from 53 of the 62 participants in the RCT was rated by an independent rater using the CTS and ATIM. RESULTS: Ninety-nine therapy sessions were rated. All Befriending sessions and all but three CBT sessions were correctly identified. The ATIM showed that 29 of the 99 (29%) sessions were contaminated by techniques from the other therapy. Within the CBT sessions, 19 of the 51 sessions (37%) were contaminated by one or more Befriending techniques. Of the Befriending sessions, 10 of 48 (21%) were contaminated by ACE techniques. The mean CTS score was higher in the CBT than the Befriending group. CONCLUSIONS: The ATIM was able to detect contaminations and revealed more meaningful, fine-grained analysis of what therapy techniques were being delivered and what contaminations occurred. The study highlights the benefit of employing purpose-designed measures that include contamination when assessing treatment adherence.
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) | 0,001 | 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 ».