Action-Centered Exposure Therapy (ACET): A New Approach to the Use of Virtual Reality to the Care of People with Post-Traumatic Stress Disorder
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Post-Traumatic Stress Disorder (PTSD) can be seen as the result of dysfunctional beliefs that associate stimuli with a danger or a threat leading to anxious reactions. Exposure therapy is so far considered to be the most effective treatment, and research suggests that it is mainly based on a habituation process. Based on learning theories, it appears that a passive systemic exposure to traumatic stimuli should not be the best option for the treatment of PTSD. We hypothesis that an active learning of safer and healthier coping strategies combined with systematic exposure should be more effective in reducing the psychological distress associated with PTSD. In this paper, we describe the theoretical foundations of this approach that focuses on the action and activity of the patient in his or her exposure environment. In this approach, we take advantage of Virtual Reality technologies and learning mechanics of serious games to allow the patient to learn new safe associations while promoting the empowerment. We named this action-centered exposure therapy (ACET). This approach exploits behaviorism, cognitivism, and constructivism learning theories. With the different benefits of virtual reality technologies, this approach would easily integrate with in-virtuo exposure therapy and would allow us to exploit as much as possible the enormous potential of these technologies. As a first step toward validation, we present a case study that supports the ACET approach.
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.
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 | 0,001 |
| 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 | 0,000 | 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 découle