The reciprocal relationship between alliance and early treatment symptoms: A two-stage individual participant data meta-analysis.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Even though the early alliance has been shown to robustly predict posttreatment outcomes, the question whether alliance leads to symptom reduction or symptom reduction leads to a better alliance remains unresolved. To better understand the relation between alliance and symptoms early in therapy, we meta-analyzed the lagged session-by-session within-patient effects of alliance and symptoms from Sessions 1 to 7. METHOD: We applied a 2-stage individual participant data meta-analytic approach. Based on the data sets of 17 primary studies from 9 countries that comprised 5,350 participants, we first calculated standardized session-by-session within-patient coefficients. Second, we meta-analyzed these coefficients by using random-effects models to calculate omnibus effects across the studies. RESULTS: In line with previous meta-analyses, we found that early alliance predicted posttreatment outcome. We identified significant reciprocal within-patient effects between alliance and symptoms within the first 7 sessions. Cross-level interactions indicated that higher alliances and lower symptoms positively impacted the relation between alliance and symptoms in the subsequent session. CONCLUSION: The findings provide empirical evidence that in the early phase of therapy, symptoms and alliance were reciprocally related to one other, often resulting in a positive upward spiral of higher alliance/lower symptoms that predicted higher alliances/lower symptoms in the subsequent sessions. Two-stage individual participant data meta-analyses have the potential to move the field forward by generating and interlinking well-replicable process-based knowledge. (PsycInfo Database Record (c) 2020 APA, all rights reserved).
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.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découle