Effectiveness of Group Cognitive Behavioral Therapy for Insomnia (CBT-I) in a Primary Care Setting
Notice bibliographique
Résumé
Objective/Background: Primary care is where many patients with insomnia first ask for professional help. Cognitive-behavioral therapy for insomnia (CBT-I) is the recommended treatment for chronic insomnia. Although CBT-I’s efficacy is well established, its effectiveness in real-life primary care has seldom been investigated. We examined the effectiveness of CBT-I as routinely delivered in a Canadian primary care setting. Participants: The patients were 70 women and 11 men (mean age = 57.0 years, SD = 12.3); 83% had medical comorbidity. Methods: For the first 81 patients who took the six-session group program we compared initial and postprogram sleep diaries, sleep medication use, Insomnia Severity Index (ISI), the Hospital Anxiety and Depression Scale (HADS), and visits to the family physician. Results: Sleep onset latency, wake after sleep onset, total sleep time, sleep efficiency, and ISI scores improved significantly (p < .001). Mood ratings also improved (p < .001). Use of sleep medication decreased (p < .001). Effect sizes were medium to large. Eighty-eight percent of patients no longer had clinically significant insomnia (ISI score ≤ 14) by the last session; 61% showed at least “moderate” improvement (ISI score reduction > 7). Wait-list data from 42 patients showed minimal sleep and mood improvements with the passage of time. Number of visits to the family physician six months postprogram decreased, although not significantly (p = .108). Conclusions: The CBT-I program was associated with improvement on all sleep and mood measures. Effect sizes were similar to, or larger than, those found in randomized controlled trials, demonstrating the real-world effectiveness of CBT-I in an interdisciplinary primary care setting.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».