Telehealth Psychotherapy for Severe Personality Disorder during COVID-19: Experience of Australian Clinicians
Notice bibliographique
Résumé
OBJECTIVE: Restrictions on social interaction during the COVID-19 pandemic necessitated a rapid transition to telehealth to continue providing psychotherapy to people diagnosed with personality disorder. This naturalistic cross-sectional study evaluated the experiences of clinicians using telehealth for the first time to treat clients diagnosed with a severe personality disorder (complex and/or high risk presentation). METHODS: Thirty clinicians working at a specialist clinic for personality disorders completed an online survey during May-June 2020 in Melbourne, Australia. RESULTS: Despite having some initial technical issues, most participants rapidly and successfully connected with clients via phone and/or video-conference, recommencing individual and group evidence-based psychotherapies. Appointments were kept more reliably than when in-person treatment was offered. Issues around privacy, confidentiality, risk, quality of interaction, and treatment boundaries were raised, highlighting the need for specific guidelines and formal processes. However, clinicians’ awareness of some of the benefits of telehealth was evident, with most looking forward to using telehealth for some aspects of their work with clients and more generally into the future. CONCLUSIONS: This experience with delivering psychotherapy using telehealth during COVID restrictions suggests that it is an acceptable platform that can be managed safely for treating patients with severe mental illness in the short term at least. This outcome encourages the pursuit of efficacy studies to evaluate telehealth as a more equitable and accessible treatment modality.
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 | 0,003 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».