Computer-Assisted Avatar-Based Treatment for Dysfunctional Beliefs in Depressive Inpatients: A Pilot Study
Notice bibliographique
Résumé
Dysfunctional cognitions are a crucial part of depression. Cognitive therapy aims to modify dysfunctional beliefs. Typically, dysfunctional beliefs are questioned, and patients are trained to think of alternative functional beliefs. We developed a computer-assisted, avatar-based adjunct for cognitive therapy that aims to reduce dysfunctional beliefs and symptom severity. Besides, it aims to promote alternative functional beliefs. In a randomized controlled trial with 34 patients diagnosed with major depression currently undergoing inpatient treatment at the university psychiatric hospital in Regensburg, Germany, participants were randomly assigned to receive either treatment as usual (TAU) or computer-assisted avatar-based treatment for dysfunctional beliefs (CAT-DB) in addition to TAU. In CAT-DB participants are faced with a virtual avatar expressing their personal dysfunctional beliefs. Participants are asked to contradict these and express alternative functional beliefs. Assessments of conviction of dysfunctional beliefs, functional beliefs and symptom severity were done shortly before the intervention (pre-treatment), right after the intervention (post-treatment) and 14 days later (follow-up). The reduction in conviction of dysfunctional beliefs and symptom severity, and the increase in conviction of alternative functional beliefs at post-treatment and follow-up were significantly greater for the group receiving CAT-DB. Our study provides an indication in favor of the effectiveness of CAT-DB for depressive patients. It is a simple tool that could support classical cognitive therapy. Further studies at different centres, with larger sample sizes and varying therapeutic contexts are required to prove the effectiveness of our intervention.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».