MétaCan
Menu
Retour à la cohorte
Enregistrement W2997916608 · doi:10.1521/pedi_2019_33_461

Impact of Childhood Maltreatment in Borderline Personality Disorder on Treatment Response to Intensive Dialectical Behavior Therapy

2019· article· en· W2997916608 sur OpenAlexaff
Sebastian Euler, Esther Stalujanis, Hannah J. Lindenmeyer, Rosetta Nicastro, Uëli Kramer, Nader Perroud, Sébastien Weibel

Notice bibliographique

RevueJournal of Personality Disorders · 2019
Typearticle
Langueen
DomainePsychology
ThématiquePersonality Disorders and Psychopathology
Établissements canadiensDalhousie UniversityUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésBorderline personality disorderImpulsivityPsychologyPsychological abuseDialectical behavior therapySexual abuseClinical psychologyNeglectPhysical abuseChild abusePsychiatryPoison controlInjury preventionMedicine

Résumé

récupéré en direct d'OpenAlex

Childhood maltreatment (CM), including emotional, physical, and sexual abuse and emotional and physical neglect, is associated with severity of borderline personality disorder (BPD). However, knowledge on the impact of CM on treatment response is scarce. The authors investigated whether self-reported CM or one of its subtypes affected treatment retention, depressive symptoms, and impulsivity throughout short-term intensive dialectical behavior therapy (I-DBT) in 333 patients with BPD. Data were analyzed with linear and logistic regressions and linear mixed models, using a Bayesian approach. Patients who reported childhood emotional abuse had a higher dropout rate, whereas it was lower in patients who reported childhood emotional neglect. Emotional neglect predicted a greater decrease of depressive symptoms, and global CM predicted a greater decrease of impulsivity. The authors concluded that patients with BPD who experienced CM might benefit from I-DBT in specific symptom domains. Nonetheless, the impact of emotional abuse on higher dropout needs to be considered.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,055
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,374
Écart entre enseignants0,348 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Personality DisordersMême sujetPersonality Disorders and PsychopathologyTravaux en français237 207