Treatment of Storm Fears Using Virtual Reality and Progressive Muscle Relaxation
Notice bibliographique
Résumé
BACKGROUND: The present study examined the efficacy of virtual reality (VR) exposure therapy for treating individuals with storm fears by comparing a one-session VR exposure treatment with a one-session progressive muscle relaxation (PMR) and psychoeducation session. AIMS: It was predicted that there would be a reduction in storm-related fear post-treatment for individuals in both conditions, but that this reduction would be greater for those in the VR exposure condition. It was predicted that improvements would be maintained at 30-day follow-up only for those in the VR exposure condition. METHOD: Thirty-six participants each received one of the two treatment conditions. Those in the PMR treatment group received approximately 30 minutes of PMR and approximately 15 minutes of psychoeducation regarding storms. Those in the VR treatment group received approximately 1 hour of VR exposure. Additionally, participants were asked to complete a pre-treatment and post-treatment 5-minute behavioural approach test to assess changes in storm fears. They were also asked to complete a measure assessing storm phobia. RESULTS: There was a significant interaction between treatment group and self-reported fear at post-treatment, such that fear decreased for both groups, although the reduction was stronger in the VR group. Results also showed that reductions in storm fear were maintained at 30-day follow-up for both groups. CONCLUSIONS: Although this study used a small non-clinical sample, these results offer preliminary support for the use of VR exposure therapy in the treatment of storm-related fear.
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 | 0,000 | 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 ».