MétaCan
Menu
Retour à la cohorte
Enregistrement W2145242303 · doi:10.1017/s1041610214002300

Using virtual reality to improve the efficacy of cognitive-behavioral therapy (CBT) in the treatment of late-life anxiety: preliminary recommendations for future research

2014· review· en· W2145242303 sur OpenAlexafffund
Sébastien Grenier, Hélène Forget, Stéphane Bouchard, Sébastien Isere, Sylvie Belleville, Olivier Potvin, Marie‐Ève Rioux, M. Talbot

Notice bibliographique

RevueInternational Psychogeriatrics · 2014
Typereview
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensInstitut Universitaire en Santé Mentale de QuébecUniversité du Québec en OutaouaisUniversité de MontréalInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesRéseau québécois de recherche sur le vieillissement
Mots-clésAnxietyPsychotherapistCognitive behavioral therapyPsychologyVirtual realityCognitionClinical psychologyExposure therapyCognitive therapyPsychiatryComputer science

Résumé

récupéré en direct d'OpenAlex

Cognitive-behavioral therapy (CBT) using traditional exposure techniques (i.e. imaginal and in vivo) seems less effective to treat anxiety in older adults than in younger ones. This is particularly true when imaginal exposure is used to confront the older patient to inaccessible (e.g. fear of flying) or less tangible/controllable anxiety triggers (e.g. fear of illness). Indeed, imaginal exposure may become less effective as the person gets older since normal aging is characterized by the decline in cognitive functions involved in the creation of vivid/detailed mental images. One way to circumvent this difficulty is to expose the older patient to a virtual environment that does not require the ability to imagine the frightening situation. In virtuo exposure has proven to be efficient to treat anxiety in working-age people. In virtuo exposure could be employed to improve the efficacy of CBT with exposure sessions in the treatment of late-life anxiety? The current paper explores this question and suggests new research avenues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,983
Score d'incertitude au seuil0,892

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,347
Tête enseignante GPT0,583
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational PsychogeriatricsMême sujetDigital Mental Health InterventionsTravaux en français237 207