Impact of group transdiagnostic cognitive‐behavior therapy for anxiety disorders on comorbid diagnoses: Results from a pragmatic randomized clinical trial in primary care
Notice bibliographique
Résumé
BACKGROUND: Anxiety and depressive disorders are the most common mental illnesses worldwide, with most individuals meeting criteria for more than one diagnosis. Most cognitive-behavioral therapy (CBT) approaches target only one disorder at a time, resulting in the need to treat comorbid diagnoses sequentially. Transdiagnostic CBT protocols have been developed that simultaneously treat principal and comorbid disorders. METHOD: The current study reports on a secondary analysis of data from a pragmatic effectiveness randomized trial of group tCBT in comparison to treatment-as-usual (TAU) in primary care. Of the trial sample of 231 patients, 191 had at least one comorbid diagnosis of clinical severity at T0. RESULTS: Overall rates of comorbidity decreased over time (82.0% at T0, 45.0% at T1, 45.7% at T3) and those receiving tCBT showed a significantly lower rate of comorbidity at T1 (33.7%) than TAU (55.7%) and at T3 (tCBT: 27.9%, TAU: 60.2%). Comorbid diagnosis severity ratings reduced to a significantly greater extent in tCBT than in TAU. CONCLUSIONS: tCBT is effective in promoting remission of and reducing the severity of comorbid diagnoses. Implications for the treatment of whole persons as opposed to specific diagnoses is discussed.
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 | 0,008 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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) | 0,007 | 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 ».