Intimate partner violence: Perseverance vs Dropout from treatment programs targeting male batterers
Notice bibliographique
Résumé
Introduction: The Dropout phenomenon has been studied extensively in general psychotherapy and in more specific domains. Therapeutic programs for male batterers across Europe, United States or Canada also have their share of problems in their attempts to maintain users in treatment. The purpose of this study is to identify potential intrapsychic variables associated with dropout and completion of this kind of treatment. Method: Fifty one male offenders enrolled in a group treatment for domestic violence took part in the study (23 who abandoned and 28 who completed). Before the start of therapy, they were surveyed using questionnaires and structured clinical interview to collect sociodemographic data and to assess specific psychological variables, namely emotional distress (BDI), impulsive behavior (BIS-11), early relationship with their parents (PBI), life events (LEDS) and alexithymia (TAS-20), the inability to experience and express subjective emotions. Results: Correlational analysis showed that age, paternal parenting behaviors and the number of significant events reported in the past six months are the only variables correlated with treatment dropout. The younger the participants, the most likely they were to dropout of the group therapy. Moreover, men who completed treatment reported fewer difficulties in their life and less autonomy support by their father than men who prematurely terminated their therapy. Discussion: The present findings pose a serious challenge for all actors involved in specifics treatment programs. Indeed, if all individuals who committed violent acts have the same intrapsychic variables, how do we predict, especially retain and motivate, the users likely to dropout?
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».