Avatar Therapy for Persistent Auditory Verbal Hallucinations in an Ultra-Resistant Schizophrenia Patient: A Case Report
Notice bibliographique
Résumé
Effective treatment strategies for schizophrenia remain very challenging and many treatment-resistant patients will suffer from persistent auditory verbal hallucinations (AVH). While clozapine is the gold-standard medication for this complex population, many will not respond to this molecule. For these ultra-resistant patients, limited options are available. Cognitive-behavioral therapy (CBT) is the most widely used psychological intervention, though it offers modest effects. With the interpersonal dimension of AVH being recognized, Avatar Therapy (AT), a novel experiential treatment enabling patients to create an avatar of their persecutor and allowing them to gain control over their symptoms, was developed and tested. Results have shown significant improvements in AVH symptomatology. This paper details a case report showcasing the beneficial results of AT for even the most severe and symptomatic cases of schizophrenia. Mr. Smith has been afflicted with the persistency of all his voices for almost 20 years. To our knowledge, this patient tried almost all possible treatments with little efficacy. This case highlights the difficulty of finding an adequate treatment for ultra-resistant patients. Mr. Smith first followed CBT before initiating AT. With AT, he significantly improved in a way that was not observed with any other intervention and these improvements remained afterward. The severity of his positive symptoms as well as his depressive symptoms diminished, and his most distressing persecutory voice disappeared. He was able to regain a life. The effects of AT went well beyond the patient, the morale of the entire family improved. This ultra-resistant case suggests that AT may be a promising intervention for refractory AVH in schizophrenia.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,005 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».