Therapeutic alliance, patient behaviour and dropout in a drug rehabilitation programme: the moderating effect of clinical subpopulations
Notice bibliographique
Résumé
AIM: Treatment dropout is an important concern for professionals working in mental health. While this problem is common, the highest attrition rates have been observed in drug rehabilitation programmes. The present study focuses on the therapeutic alliance, a process variable that has been associated repeatedly with positive treatment outcome in the scientific literature. Respondent behaviour indicative of commitment or resistance to treatment was examined in combination with therapist prognoses. DESIGN: A total of 248 subjects, classified into three subpopulations (justice, n = 50; mental health, n = 53; comparison group, n = 145), participated in the study. Analyses aimed at predicting dropout were conducted using Cox proportional-hazards regressions. The moderating effect of sub-population was tested. MEASUREMENTS: Respondents completed a multi-dimensional measure of alliance [California Psychotherapeutic Alliance Scale (CALPAS-P)]. Therapists rated the behaviour of respondents in treatment and made prognoses about perseverance and improvement. FINDINGS: An increased risk of dropout was predicted when patients viewed themselves as less committed and perceived the therapist as less understanding and less involved. Therapist prognosis of perseverance was also predictive of dropout. The relationship between patient/therapist evaluations and dropout is affected differently across subpopulations by means of a moderation effect. CONCLUSION: This paper demonstrates the capacity to predict dropout by measuring therapeutic alliance, therapist prognoses and therapist appraisal of patient behaviour. Moreover, the moderation effect of clinical subpopulation on treatment process variables and dropout is supported in the context of drug rehabilitation programmes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».