Causal explanations of depression on perceptions of and likelihood to choose cognitive behavioural therapy and antidepressant medications as depression treatments
Notice bibliographique
Résumé
OBJECTIVES: This research examined whether people's causal explanations of depression were associated with acceptability and efficacy-related treatment perceptions and likelihood to choose cognitive behavioural therapy (CBT) and antidepressant medication (ADM) as depression treatments. DESIGN: A cross-sectional internet-based design was used. METHODS: A general population sample was used over a clinical sample to study those who had not yet chosen to enter treatment. A total of 422 individuals were recruited through a crowdsourcing platform to complete an online survey. Measures included perceived causes of depression, perceived acceptability, efficacy and choice likelihood for ADM and CBT, and demographics. RESULTS: Those with biological causal explanations of depression were more favourable towards ADM on all three perceptual measures of acceptability, efficacy and likelihood to choose ADM as a treatment for depression. Personality/character-related causal explanations of depression were positively related to perceived efficacy and likelihood to choose CBT as a depression treatment. Those endorsing environmental stress causes of depression were more likely to choose CBT as a treatment for depression. CONCLUSIONS: Results indicated that people's beliefs about the causes of depression were related to their perceptions of and likelihoods to choose ADM and CBT as depression treatments. PRACTITIONER POINTS: Provides evidence of how different causal explanations of depression influence sufferers' likelihoods to choose ADM and CBT as possible treatments for their depression. Provides support for exploring potential patients' causal explanations about depression prior to recommending a treatment regimen.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».