Effects of emotion recognition training on mood among individuals with high levels of depressive symptoms: study protocol for a randomised controlled trial
Notice bibliographique
Résumé
BACKGROUND: We have developed a new paradigm that targets the recognition of facial expression of emotions. Here we report the protocol of a randomised controlled trial of the effects of emotion recognition training on mood in a sample of individuals with depressive symptoms over a 6-week follow-up period. METHODS/DESIGN: We will recruit 190 adults from the general population who report high levels of depressive symptoms (defined as a score ≥ 14 on the Beck Depression Inventory-II). Participants will attend a screening session and will be randomised to intervention or control procedures, repeated five times over consecutive days (Monday to Friday). A follow-up session will take place at end-of -treatment, 2-weeks and 6-weeks after training. Our primary study outcome will be depressive symptoms, Beck Depression Inventory- II (rated over the past two weeks). Our secondary outcomes are: depressive symptoms, Hamilton Rating Scale for Depression; anxiety symptoms, Beck Anxiety Inventory (rated over the past month); positive affect, Positive and Negative Affect Schedule (rated as 'how you feel right now'); negative affect, Positive and Negative Affect Schedule (rated as 'how you feel right now'); emotion sensitivity, Emotion Recognition Task (test phase); approach motivation and persistence, the Fishing Game; and depressive interpretation bias, Scrambled Sentences Test. DISCUSSION: This study is of a novel cognitive bias modification technique that targets biases in emotional processing characteristic of depression, and can be delivered automatically via computer, Internet or Smartphone. It therefore has potential to be a valuable cost-effective adjunctive treatment for depression which may be used together with more traditional psychotherapy, cognitive-behavioural therapy and pharmacotherapy. TRIAL REGISTRATION: Current Controlled Trials: ISRCTN17767674.
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 | 0,027 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,003 |
| Méta-épidémiologie (sens large) | 0,015 | 0,005 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,009 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,061 | 0,009 |
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 ».