Active Ingredients: How and Why Evidence-Based Alcohol Behavioral Treatment Interventions Work
Notice bibliographique
Résumé
This article summarizes the proceedings of a symposium that was organized and chaired by Richard Longabaugh and presented at the 2004 Research Society on Alcoholism meeting in Vancouver, British Columbia, Canada. The aim of the presentation was to focus on evidence for the active ingredients of behavioral therapies for patients with alcohol use disorders. Dennis M. Donovan, PhD, reviewed evidence for the active ingredients of cognitive behavioral therapy. Barbara S. McCrady, PhD, presented a conceptual model for mechanisms of change in alcohol behavior couples therapy and reviewed evidence for this model. J. Scott Tonigan, PhD, presented data testing three hypothesized mechanisms of change in twelve-step facilitation treatment. Mitchell P. Karno, PhD, presented therapy process data that tested whether matching therapist behaviors to client attribute across three therapies affected drinking outcomes. Jon Morgenstern served as discussant.
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 | 0,166 | 0,308 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,009 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,017 |
| Communication savante | 0,021 | 0,031 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,015 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».