Detecting and defusing cognitive traps: metacognitive intervention in schizophrenia
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Until recently, psychological therapy for schizophrenia was considered harmful or inefficient by many clinicians. The reservation against psychotherapy is partly rooted in the assumption that delusions in particular and schizophrenia in general are not amenable to psychological understanding and represent 'utter madness'. However, meta-analyses suggest that cognitive intervention is effective in ameliorating schizophrenia symptoms. In addition, evidence has accumulated that cognitive biases, such as jumping to conclusions, are involved in the pathogenesis of schizophrenia positive symptoms, particularly delusions. A recently developed group program, called metacognitive training (MCT), is presented targeting these biases. MCT is a hybrid of psychoeducation, cognitive remediation and cognitive-behavioural therapy. RECENT FINDINGS: This review introduces new evidence on cognitive biases involved in the pathogenesis of schizophrenia and demonstrates how the MCT raises the patients' (metacognitive) awareness to detect and defuse such 'cognitive traps'. At the end, a new individualized variant entitled MCT+ is presented targeting individual delusional ideas. Finally, empirical results are summarized that speak in favour of the feasibility and efficacy of MCT. SUMMARY: Recent studies assert marked cognitive biases in schizophrenia. MCT has evolved as a feasible and effective complement of standard psychiatric treatment.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 ».