Mindfulness-based cognitive therapy for residual depressive symptoms and relapse prophylaxis
Notice bibliographique
Résumé
PURPOSE OF REVIEW: The article reviews the recent evidence for mindfulness-based cognitive therapy (MBCT) for patients with residual depressive symptoms or in remitted patients at increased risk for relapse. RECENT FINDINGS: Randomized controlled trials have shifted focus from comparing MBCT with treatment-as-usual to comparing MBCT against interventions. These studies have provided evidence for the efficacy of MBCT on par with maintenance antidepressant pharmacotherapy and leading to a relative reduction of risk on the order of 30-40%. Perhaps fuelled by these data, recent efforts have focused on extending MBCT to novel populations, such as acutely depressed patients, those diagnosed with health anxiety, social anxiety, fibromyalgia, or multiple chemical sensitivities as well migrating MBCT to online platforms so that it is more widely available. Neuroimaging studies of patients in structured therapies which feature mindfulness meditation, have reported findings that parallel behavioral changes, such as increased activation in brain regions subsuming self-focus and emotion regulation (prefrontal cortex) and interoceptive awareness (insula). SUMMARY: The current evidence base for MBCT is strongest for its application as a prophylactic intervention or for residual depressive symptoms, with early data suggesting additional indications outside the mood disorders. Future work will need to address dose-effect relationships between mindfulness practice and clinical benefits, as well as establishing the rates of uptake for online MBCT so that its benefits can be compared to in-person groups. Additionally, validating current or novel neural markers of MBCT treatment response will allow for patient matching and optimization of treatment response.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».