Virtual Reality Behavioral Activation as an Intervention for Major Depressive Disorder: Case Report
Notice bibliographique
Résumé
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 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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 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 ».