Successful computer-assisted cognitive remediation therapy in patients with unipolar depression: a proof of principle study
Notice bibliographique
Résumé
BACKGROUND: Despite increasing awareness of the extent and severity of cognitive deficits in major depressive disorder (MDD), trials of cognitive remediation have not been conducted. We conducted a 10-week course of cognitive remediation in patients with long-term MDD to probe whether deficits in four targeted cognitive domains, (i) memory, (ii) attention, (iii) executive functioning and (iv) psychomotor speed, could be improved by this intervention. METHOD: We administered a computerized cognitive retraining package (PSSCogReHab) with demonstrated efficacy to 12 stable patients with recurrent MDD. Twelve matched patients with MDD and a group of healthy control participants were included for comparison; neither comparator group received the intervention that involved stimulation of cognitive functions through targeted, repetitive exercises in each domain. RESULTS: Patients who received cognitive training improved on a range of neuropsychological tests targeting attention, verbal learning and memory, psychomotor speed and executive function. This improvement exceeded that observed over the same time period in a group of matched comparisons. There was no change in depressive symptom scores over the course of the trial, thus improvement in cognitive performance occurred independent of other illness variables. CONCLUSIONS: These results provide preliminary evidence that improvement of cognitive functions through targeted, repetitive exercises is a viable method of cognitive remediation in patients with recurrent MDD.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».