Practical guidelines for online Narrative Exposure Therapy (e-NET) – a short-term treatment for posttraumatic stress disorder adapted for remote delivery
Notice bibliographique
Résumé
Background: Online therapy has become increasingly desirable and available in recent years, with the current COVID-19 pandemic acting as a catalyst to develop further protocols enabling therapists to conduct online treatment safely and efficaciously. Offering online treatment potentially means that treatments are available to clients who would otherwise have no access, closing the gap in the provision of mental health services worldwide.Objective: This paper focuses on practical guidelines using online Narrative Exposure Therapy (e-NET). It aims to be an addition to the general manual of NET to enable therapists to deliver online treatment. The face-to-face version of NET is a well-known short-term and evidence-based treatment for posttraumatic stress disorder; e-NET is currently being tested in several additional trials.Methods: The differences between NET and e-NET are elaborated and depicted in detail.Results: Difficulties encountered in e-NET delivery, e.g. confidentiality, dealing with interruptions, comorbid symptoms among others, are similar to those that occur during face to face interventions but the solutions have to be adapted. Dissociation is often regarded as a challenge in face-to-face treatment, and requires particular attention within the online setting. Therefore, tools for addressing dissociation in this particular setting are presented.Conclusions: These practical guidelines show the advantages as well as the challenges therapists face when conducting e-NET. They aim to empower therapists working with trauma clients to conduct e-NET confidently and safely.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».