Who benefits most from therapist-assisted internet-delivered cognitive behaviour therapy in clinical practice? Predictors of symptom change and dropout
Notice bibliographique
Résumé
Internet-delivered cognitive behavioral therapy (ICBT) is effective for treating anxiety and depression, but not for all patients. Predictors of dropout and outcomes from ICBT remain unclear and the literature could benefit from study of response to ICBT among larger community samples using advanced statistical techniques. In this study, we sought to identify predictors of dropout and symptom change in a large community sample (n = 1201) who received therapist-assisted transdiagnostic ICBT targeting anxiety and/or depression. Logistic regression was used to assess dropout, and showed that those who fully completed ICBT lessons (n = 880) were older and endorsed lower psychological distress at intake than those who only partially completed ICBT lessons (n = 321). During the course of therapy, patients responded to the Patient Health Questionnaire-9 and Generalized Anxiety Disorder-7 at six time points. Autoregressive latent trajectory models were fitted to this data to assess the ability of demographic variables, program engagement, psychological and medical service usage, and psychological distress to explain individual variance in initial symptom levels and symptom change over time. Higher symptom scores at pre-treatment were predictive of greater symptom improvement. Symptom improvement was greater in those who were off work on disability and those without higher post-secondary education. Clinical implications are discussed.
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 | 0,001 |
| 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 ».