Exploring the Benefits of Virtual Reality-Assisted Therapy Following Cognitive-Behavioral Therapy for Auditory Hallucinations in Patients with Treatment-Resistant Schizophrenia: A Proof of Concept
Notice bibliographique
Résumé
BACKGROUND: Combining cognitive behavioral therapy (CBT) for psychosis with another psychosocial intervention comprising virtual reality (VR)-assisted therapy (VRT) may improve targeted outcomes in treatment-resistant schizophrenia patients. METHODS: Ten participants having followed CBT were part of our comparative clinical trial comparing VRT to CBT and were selected at the end of the study as they desired to continue to achieve improvements with VRT (CBT + VRT). Clinical assessments were administered before/after treatments and at follow-ups. Changes in outcomes were examined using linear mixed-effects models. To gain a more in depth understanding on CBT + VRT, therapists' notes, and open interviews on a sub-group of patients were qualitatively analyzed. RESULTS: Findings showed that the sequence of both interventions was appreciated by all patients. Several significant improvements were found throughout time points on auditory verbal hallucinations, beliefs about voices, depressive symptoms, symptoms of schizophrenia and quality of life. Although most of these improvements were in similar range to those observed in our comparative trial, effects of CBT + VRT on depressive symptoms and symptoms of schizophrenia were larger than those found for either intervention alone. CONCLUSION: This proof of concept is the first to merge gold-standard CBT with VRT for treatment refractory voices and to suggest a certain synergistic effect.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».