Biofeedback to treat anxiety in young people at clinical high risk for developing psychosis
Notice bibliographique
Résumé
AIM: Anxiety is a common presenting concern for individuals at clinical high risk (CHR) for psychosis. Treatment for CHR is still in the early stages and has focused on transition to psychosis and positive symptom reduction, but little is known about what may be effective in reducing anxiety for these young people. One treatment that may be effective for anxiety is heart rate variability (HRV) biofeedback. The aim of this study was to test the efficacy and feasibility of using HRV biofeedback to reduce anxiety and distress in those at CHR. METHODS: Twenty participants who met minimum scores for anxiety and distress completed 4 weeks of an HRV biofeedback intervention and received pre- and post-intervention assessments. Repeated measures were used to examine changes in scores over time. RESULTS: There was a significant decrease in impaired ability to tolerate normal stressors (P ≤ 0.001) and dysphoric mood (P ≤ 0.001) over time. There was no change on self-reported measures of anxiety and distress. However, when two outliers were removed there was a trend towards improvement in self-reported anxiety (P = 0.07). These results were not impacted by including usage time as a covariate. Feedback and adherence were significant. CONCLUSIONS: HRV biofeedback may be a feasible treatment option for individuals at CHR who have concerns with impaired stress tolerance and dysphoric mood. Future studies with a randomized controlled trial design will be necessary to further determine efficacy.
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) | 0,000 | 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) | 0,000 | 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 ».