Treating anxiety disorders by emotion‐focused psychodynamic psychotherapy (<scp>EFPP</scp>)—<scp>A</scp>n integrative, transdiagnostic approach
Notice bibliographique
Résumé
Anxiety disorders are characterized by high levels of anxiety and avoidance of anxiety-inducing situations and of negative emotions such as anger. Emotion-focused therapy (EFT) and psychodynamic psychotherapy (PP) have underscored the therapeutic significance of processing and transforming repressed or disowned conflicted or painful emotions. Although PP provides sophisticated means of processing intrapsychic and interpersonal conflict, EFT has empirically tested a set of techniques to access, deepen, symbolize, and transform emotions consistent with current conceptualizations of emotions and memory. Based on our clinical experience, we propose that an integrative emotion-focused and psychodynamic approach opens new avenues for treating anxiety disorders effectively, and we present a transdiagnostic manual for emotion-focused psychodynamic psychotherapy. The therapeutic approach takes into account both the activation, processing, and modification of emotion and the underlying intrapsychic and interpersonal conflicts. The short-term treatment is based on the three phases of initiating treatment, therapeutic work with anxiety, and termination. Emotional poignancy (or liveliness) is an important marker for emotional processing throughout treatment. Instead of exposure to avoided situations, we endorse enacting the internal process of generating anxiety in the session providing a sense of agency and access to warded-off emotions. Interpretation serves to tie together emotional experience and insight into the patterns and the nature of underlying intrapersonal and interpersonal conflict. Treatment modules are illustrated by brief vignettes from pilot treatments.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,006 | 0,000 |
| Intégrité de la recherche | 0,008 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».