Feasibility of large group cognitive behavioural therapy education classes for anxiety disorders
Notice bibliographique
Résumé
Rationale, aims and objectives: Cognitive behavioural therapy (CBT) is effective in treating anxiety disorders. In publically funded systems, CBT is not easily accessible due to long wait times. In order to provide quicker access, a large group CBT intervention was implemented in a tertiary care clinic. This study describes the design, feasibility and acceptability of such an intervention as part of stepped care for anxiety disorders. Method: The intervention followed a 2-session curriculum, consisting of 90 minutes classes providing didactic instruction on key CBT topics and self-management strategies. Classes accommodated 30 patients and were led by staff psychiatrists formally trained in CBT. A retrospective analysis of patients referred to the clinic during the first year of class implementation was performed to determine class completion rate, patient satisfaction (using a usefulness Likert Scale and Session Rating Scale [SRS]) and symptom trajectory (using the GAD-7).Results: The implementation of large group CBT classes reduced waiting times from approximately one year to approximately 3 months. One hundred and thirty-one patients were screened by the clinic, 88 of whom (67%) completed the intervention. Sixty-eight percent of patients rated the classes as useful; however, SRS findings indicated that only 46% of patients were satisfied. GAD-7 scores decreased by 1.57 (95% CI 0.2 to 2.95; SMD=0.24).Conclusions: This analysis contributes preliminary evidence that large group CBT education classes may be an acceptable means to reduce waiting times for CBT for anxiety disorders. Further controlled research is required to elucidate the benefit and cost effectiveness of such classes.
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 | 0,001 | 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 ».