In-session caregiver behavior predicts symptom change in youth receiving trauma-focused cognitive behavioral therapy (TF-CBT).
Notice bibliographique
Résumé
OBJECTIVE: Involving caregivers in trauma-focused treatments for youth has been shown to result in better outcomes, but it is not clear which in-session caregiver behaviors enhance or inhibit this effect. The current study examined the associations between caregiver behaviors during Trauma-Focused Cognitive Behavioral Therapy (TF-CBT) and youth cognitive processes and symptoms. METHOD: Participants were a racially diverse sample of Medicaid-eligible youth (ages 7-17) and their nonoffending caregivers (N = 71 pairs) who received TF-CBT through an effectiveness study in a community setting. Caregiver and youth processes were coded from audio-recorded sessions, and outcomes were measured using the Child Behavior Checklist (CBCL) and UCLA PTSD Reaction Index for Diagnostic and Statistical Manual for Mental Disorders-Fourth Edition (DSM-IV; UPID) at 3, 6, 9, and 12 months postintake. RESULTS: Piecewise linear growth curve modeling revealed that during the trauma narrative phase of TF-CBT, caregivers' cognitive-emotional processing of their own and their child's trauma-related reactions predicted decreases in youth internalizing and externalizing symptoms over treatment. Caregiver support predicted lower internalizing symptoms over follow-up. In contrast, caregiver avoidance and blame of the child predicted worsening of youth internalizing and externalizing symptoms over follow-up. Caregiver avoidance early in treatment also predicted worsening of externalizing symptoms over follow-up. During the narrative phase, caregiver blame and avoidance were correlated with more child overgeneralization of trauma beliefs, and blame was also associated with less child accommodation of balanced beliefs. CONCLUSIONS: The association between in-session caregiver behaviors and youth symptomatology during and after TF-CBT highlights the importance of assessing and targeting these behaviors to improve clinical 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 | 0,004 |
| 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 | 0,001 |
| 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 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 ».