Component Model of Addiction Treatment: A Pragmatic Transdiagnostic Treatment Model of Behavioral and Substance Addictions
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
Behavioral addictions such as gambling, video games, sex, and shopping share many clinical features with substance use addictions including etiology, course, and neurobiology. Yet, the treatment of behavioral and substance use addictions tends to be separated. However, we argue that a more effective and efficient treatment approach is to conceptualize behavioral and substance use addictions as different expressions of a common underlying disorder and, in treatment, to address the underlying mechanisms common to both. To this end, the article presents a developing transdiagnostic treatment model of addictions that targets underlying similarities between behavioral and substance use addictions, called the component model of addiction treatment (CMAT). The CMAT is transdiagnostic in that it can be used in the treatment of both behavioral and substance use addictions. It is pragmatic in that it targets component vulnerabilities, which are enduring, yet malleable, individual psychological, cognitive, and neurobiological characteristics that are common to all addictive disorders and have been demonstrated to be modifiable. A working model of CMAT is presented, including proposed component vulnerabilities: lack of motivation, urgency, maladaptive expectancies, deficits in self-control, deficits in social support, and compulsivity, as well as their potential intervention possibilities. Future directions and potential implications of the CMAT 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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découle