Cognitive Behavior Therapy for Depression From an Evolutionary Perspective
Notice bibliographique
Résumé
Evolutionary medicine attempts to solve a problem with which traditional medicine has struggled historically; how do we distinguish between diseased states and "healthy" responses to disease states? Fever and diarrhea represent classic examples of evolved adaptations that increase the likelihood of survival in response to the presence of pathogens in the body. Whereas, the severe mental disorders like psychotic mania or the schizophrenias may involve true "disease" states best treated pharmacologically, most non-psychotic "disorders" that revolve around negative affects like depression or anxiety are likely adaptations that evolved to serve a function that increased inclusive fitness in our ancestral past. What this likely means is that the proximal mechanisms underlying the non-psychotic "disorders" are "species typical" and neither diseases nor disorders. Rather, they are coordinated "whole body" responses that prepare the individual to respond in a maximally functional fashion to the variety of different challenges that our ancestors faced. A case can be made that depression evolved to facilitate a deliberate cognitive style (rumination) in response to complex (often social) problems. What this further suggests is that those interventions that best facilitate the functions that those adaptations evolved to serve (such as rumination) are likely to be preferred over those like medications that simply anesthetize the distress. We consider the mechanisms that evolved to generate depression and the processes utilized in cognitive behavior therapy to facilitate those functions from an adaptationist evolutionary perspective.
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 | 0,000 |
| 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) | 0,001 | 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 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 ».