Patterns of change in physical functioning and posttraumatic stress disorder with cognitive processing therapy in a randomized controlled implementation trial
Notice bibliographique
Résumé
Background: Physical health concerns (e.g. chronic pain, fatigue) are common among clients with posttraumatic stress disorder (PTSD). Prior research has indicated that clients report improved physical functioning and fewer physical health symptoms after receiving Cognitive Processing Therapy (CPT) for PTSD. However, less is known about the impact of physical functioning on the clients’ PTSD symptom improvement in CPT.Objective: The current study examined the patterns of change of and between physical functioning and PTSD symptoms over the course of CPT among a diverse military, veteran, and community sample.Method: We collected clients’ (N = 188) physical functioning and PTSD symptom severity prior to and during CPT using the 12-Item Short Form Health Survey and the PTSD Checklist. We used multilevel modelling to 1) evaluate the impact of baseline physical functioning on the PTSD symptom trajectory, 2) examine the trajectory of physical functioning, and 3) assess the dynamics between physical functioning and PTSD symptoms over the course of CPT.Results: Our multilevel analyses indicated that 1) physical functioning significantly improved for those with low levels of functioning prior to treatment, 2) poorer baseline physical functioning predicted slower improvements in PTSD symptoms, and 3) poorer physical functioning in one session predicted less PTSD symptom improvement by the next session.Conclusions: Our findings demonstrate that while physical functioning can interfere with PTSD symptom improvement, physical functioning can also improve over the course of CPT. In light of the interconnected nature of physical health and PTSD symptoms, clinicians may need to attend to lower levels of physical functioning when providing CPT or other trauma-focused therapies. Future research to determine whether specific treatment adaptations may benefit such clients is needed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».