Notice bibliographique
Résumé
Research from several domains indicates that genetic factors, childhood environment, and later interpersonal experiences are important sources of how patients relate to their therapists (transference). Transference work, a core specific technique in psychodynamic psychotherapy, focuses on exploring the patient-therapist relationship, with the idea that this may lead to improvement of the patients' relationships outside therapy. Many psychotherapy researchers hold the position that specific techniques do not contribute much to the outcome of psychotherapy. However, more than 30 studies have reported significant associations between transference work and outcome. These findings indicate that transference work interventions are indeed active ingredients (for better or worse). Naturalistic studies suggest that a high frequency of transference interventions may have negative effects. Randomized clinical trials indicate that transference-based treatments and alternative treatments work equally well with regard to symptom improvement. However, transference-based treatments appear to be much more effective with regard to interpersonal relations and other measures of personality functioning. The average between-groups effect size for the experimental studies listed in this article was large. Contrary to common clinical wisdom, transference interventions seem to be most important for (mainly female) patients with difficult interpersonal relationships and more severe personality pathology. Gain of insight may be a specific mechanism of change in dynamic psychotherapy, but only one treatment component study has linked transference work directly to gains in insight and subsequent improvement in interpersonal functioning. Research that examines how transference phenomena may be responded to in nondynamic therapies is scarce.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».