MétaCan
Menu
Retour à la cohorte
Enregistrement W3092340923 · doi:10.2196/24331

Virtual Reality Behavioral Activation as an Intervention for Major Depressive Disorder: Case Report

2020· article· en· W3092340923 sur OpenAlexvenueno aff
Margot Paul, Kim Bullock, Jeremy N. Bailenson

Notice bibliographique

RevueJMIR Mental Health · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueDigital Mental Health Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBehavioral activationMoodTolerabilityMajor depressive disorderHeadsetPopulationClinical psychologyIntervention (counseling)PsychiatryPsychologyMedicineDepression (economics)Adverse effectCognition

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Major depressive disorder (MDD) is a global problem with an increasing incidence and prevalence. There has additionally been an increase in depression due to the COVID-19 pandemic. Behavioral activation is considered an evidence-based treatment for MDD. However, there are many barriers that could hinder one's ability to engage in behavioral activation, with COVID-19 "shelter-in-place" and social distancing orders being current and large impediments. Virtual reality (VR) has been successfully used to help treat a variety of mental health conditions, but it has not yet been used as a method of administering behavioral activation to a clinical population. Using VR to engage in behavioral activation could eliminate barriers that pandemic precautions place and help decrease symptoms of depression that are especially exacerbated in these times. OBJECTIVE: The following case report examines the feasibility, acceptability, and tolerability of VR behavioral activation for an adult with MDD during a global pandemic. This participant was part of a larger pilot study, and the case serves as a description of the VR intervention. METHODS: The participant engaged in a weekly 50-minute psychotherapy Zoom session for 4 weeks, in which a modified behavioral activation protocol was administered using a VR headset to simulate activities. Data on mood ratings, homework compliance, and headset use were obtained from the headset. Acceptability, tolerability, and depression symptoms were obtained using self-report rating scales. RESULTS: The intervention was feasible, acceptable, and tolerable, as reported by this participant. The participant's depressive symptoms decreased by five-points on the Patient Health Questionnaire-9 over a month, with a beginning score of 10 (moderate depression) and a final score of 5 (mild depression). CONCLUSIONS: The implications of these findings for future research are discussed. TRIAL REGISTRATION: ClinicalTrials.gov NCT04268316; http://clinicaltrials.gov/ct2/show/NCT04268316.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,875
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,484
Écart entre enseignants0,406 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Mental HealthMême sujetDigital Mental Health InterventionsTravaux en français237 207