Cognitive-Behavioral Therapy for Insomnia Tailored to Patients With Cardiovascular Disease: A Pre–Post Study
Notice bibliographique
Résumé
Objective: There is little research assessing the use of cognitive-behavioral therapy for insomnia (CBT-I) among patients with cardiovascular disease (CVD), even less on the effects of CBT-I on CVD risk factors such as anxiety and depression, and to our knowledge, only limited studies of the efficacy of CBT-I protocols with cardiac disease-specific modifications. The objective of this study is to evaluate a group-based CBT-I intervention tailored to patients with CVD on sleep quality, duration, and mental health. Participants: A sample of 47 participants (25 men) diagnosed with primary insomnia were included in this study. Methods: This study used a pre–post design comparing outcomes before and after a group intervention. Clinicians in a cardiac center referred CVD patients with self-reported sleep disturbance to the intervention group. Following screening and confirmation of insomnia disorder, participants completed a six-week CBT-I group-based intervention tailored for patients with CVD. Participants completed sleep diaries and questionnaires, including the Insomnia Severity Index, Beck Depression Inventory-II, and Beck Anxiety Inventory, pre- and postintervention. Results: Participants’ sleep outcomes (sleep duration, maintenance, efficiency, latency, and quality) were significantly improved and patients reported significantly fewer symptoms of anxiety, depression, and insomnia following the CBT-I intervention (p values < .05). Conclusions: After participating in a CBT-I group intervention tailored for cardiac patients, patients reported improved sleep and significantly lower levels of anxiety and depression. Randomized trials of this intervention are warranted.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 ».