Rapid improvements in emotion regulation predict eating disorder psychopathology and functional impairment at 6‐month follow‐up in individuals with bulimia nervosa and purging disorder
Notice bibliographique
Résumé
OBJECTIVE: We previously demonstrated that early improvements in access to emotion regulation strategies during the first 4 weeks of intensive cognitive behavior therapy (CBT)-based eating disorder (ED) treatment predicted a range of post-treatment outcomes. This follow-up article examines whether early improvements in access to emotion regulation strategies continue to predict good treatment outcomes at 6 months post-treatment. METHOD: Participants were 76 patients with bulimia nervosa or purging disorder who participated in the original study and the 6-month follow-up assessment. Hierarchical regression models were used to examine whether early improvements in emotion regulation strategies predicted 6-month follow-up outcomes. RESULTS: After controlling relevant covariates and rapid and substantial behavior change, greater early improvements in access to emotion regulation strategies during the first 4 weeks of intensive treatment predicted lower overall ED psychopathology and ED-related functional impairment 6 months after treatment. They did not predict abstinence from binge, vomit, and laxative use behaviors during the follow-up period. DISCUSSION: Individuals who learn early in treatment that they can use skills to more effectively regulate emotions have better treatment outcomes on some variables 6 months after treatment. Teaching emotion regulation skills in the first phase of CBT for ED may be beneficial, particularly for individuals with baseline difficulties.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 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 ».