Identifying Change Targets for Posttraumatic Stress Disorder Among Suicidal and Self‐Injuring Women With Borderline Personality Disorder
Notice bibliographique
Résumé
Abstract Research on psychotherapies for posttraumatic stress disorder (PTSD) is increasingly focused on understanding not only which treatments work but why and for whom they work. The present pilot study evaluated the temporal relations between five hypothesized change targets—posttraumatic cognitions, guilt, shame, general emotion dysregulation, and experiential avoidance—and PTSD severity among women with PTSD, borderline personality disorder, and recent suicidal and/or self‐injurious behaviors. Participants ( N = 26) were randomized to receive 1 year of dialectical behavior therapy (DBT) with or without the DBT prolonged exposure (DBT PE) protocol for PTSD. Potential change targets and PTSD were assessed at 4‐month intervals during treatment and at 3‐month posttreatment follow‐up. Time‐lagged mixed‐effects models indicated that between‐person differences in all change targets except guilt were associated with more severe PTSD, η 2 s = .32–.55, and, except for general emotion dysregulation, slowed the rate of change in PTSD severity over time, η 2 s = .20–.39. In DBT but not in DBT + DBT PE, individuals with higher levels of guilt and experiential avoidance relative to their own average had more severe PTSD at the next assessment point, η 2 s = .12–.25. The associations between the proposed change targets and PTSD severity were not bidirectional, except for general emotion dysregulation, η 2 = .50; and posttraumatic cognitions, η 2 = .06. These preliminary findings suggest that trauma‐related cognitions, shame, and guilt, as well as problems regulating them, may be important change targets for improving PTSD in this patient population.
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) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».