Action-based cognitive remediation for individuals with serious mental illnesses: Effects of real-world simulations and goal setting on functional and vocational outcomes.
Notice bibliographique
Résumé
OBJECTIVE: Cognitive remediation programs often have larger effects on cognition compared with everyday outcomes. We compared changes across cognitive, functional competence, and vocational domains in 2 cognitive remediation programs. METHOD: A sequential enrollment, nonrandom design with 50 individuals with serious mental illnesses (psychotic and mood disorders) from a community vocational rehabilitation program. Action-Based Cognitive Remediation (ABCR), a new program that combines traditional cognitive training techniques with simulated workplace situations and goal setting for engaging with cognitively demanding activities (N = 24; 19 completers) was compared with traditional cognitive remediation (tCR; N = 26; 15 completers). Both groups met twice-weekly for 2-hr sessions over 10 weeks. Repeated measures analysis of variance was used to examine effects pre- and posttreatment and 10 weeks after treatment. Univariate analysis of variance and chi-square tests were used to compare work outcomes 6 months after intervention. RESULTS: Significantly more ABCR participants (83%) were retained in the intervention compared with tCR (57%) and reported greater increases in perceived competence with cognitively challenging tasks (η2 = .23). ABCR effects were significantly larger than tCR on functional competence (η2 = .53), with smaller, nonsignificant differences in social cognition (η2 = .14) and neurocognition (η 2 = .16). ABCR participants were marginally more likely to be competitively employed (68.4% vs. 40%) and, among those employed, ABCR participants experienced less job-related stress (η2 = .37). CONCLUSIONS AND IMPLICATIONS FOR PRACTICE: Cognitive rehabilitative programs for serious mental illness that rely on computer-based training for neuroplasticity should ensure opportunities for active skill development and therapist-supported techniques to overcome challenges with generalizing cognitive effects to everyday outcomes. (PsycINFO Database Record
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».