Dialectical behavior therapy skills training affects defense mechanisms in borderline personality disorder: An integrative approach of mechanisms in psychotherapy
Notice bibliographique
Résumé
Objective: Borderline personality disorder (BPD) is characterized by immature defense mechanisms. Dialectical behavior therapy (DBT) is an effective treatment for BPD. However, understanding the underlying mechanisms of change is still limited. Using a transtheoretical framework, we investigated the effect of DBT skills training on defense mechanisms. Method: In this randomized controlled trial, 16 of 31 BPD outpatients received DBT skills training adjunctive to individual treatment as usual (TAU), while the remaining 15 received only individual TAU. Pre–post changes of defense mechanisms, assessed with the Defense Mechanism Rating Scale, were compared between treatment conditions using ANCOVAs. Partial correlations and linear regressions were conducted to explore associations between defenses and symptom outcome. Results: Overall defense function improved significantly more in the skills training condition (F(1, 28) = 4.57, p = .041). Borderline defenses decreased throughout skills training, but not throughout TAU only (F(1, 28) = 5.09, p = .032). In the skills training condition, an increase in narcissistic defenses was associated with higher symptom scores at discharge (β = 0.58, p = .02). Conclusions: Although DBT does not explicitly target defense mechanisms, skills training may have favorable effects on defense function in BPD. Our findings contribute to an integrative understanding of mechanisms of change in BPD psychotherapy.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».