The therapeutic processes of avatar therapy: A content analysis of the dialogue between treatment‐resistant patients with schizophrenia and their avatar
Notice bibliographique
Résumé
OBJECTIVE: Because the therapeutic processes of Avatar Therapy remain equivocal, the current study aims to further extend our previous findings by analysing the evolution of the avatars' and patients' speech and changes in patient responses as sessions progressed. DESIGN: Eighteen patients with treatment-resistant schizophrenia were selected from two clinical trials on Avatar Therapy. Three coders analysed both the avatars' and patients' discourse during immersive therapy sessions using content analysis methods. RESULTS: Our analyses enabled the categorization of the avatar discourse into confrontational techniques (e.g., provocation) and positive techniques (e.g., reinforcement). Patients responded to these utterances using coping mechanism or by expressing emotions, beliefs, self-perceptions or aspirations. Through identification of mutual changes in the interaction between the patient and their avatar, a shift was observed over the sessions from confrontation to a constructive dialogue. Assertiveness, emotional responses and prevention strategies seemed to be central to the therapeutic process, and these usually occur in response to positive techniques. CONCLUSION: Investigating AT's therapeutic process may help to identify components to achieve positive outcomes and can enable the development of more effective treatments. Further studies should explore the association between these themes and therapeutic response to help predict which patients will better respond to Avatar Therapy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».