Affect regulation in psychoanalytic treatments of patients with a borderline personality disorder–psychoanalysis and psychodynamic psychotherapy–a comparison
Notice bibliographique
Résumé
BACKGROUND: A recent meta-analysis has confirmed that the effects of psychotherapy on patients with borderline personality disorders (BPD) are still insufficiently understood. Evidence of differences between different types of therapies has been questioned. AIM: To study repetitive interaction patterns in patients with BPD undergoing either psychoanalysis or psychodynamic therapy. METHODS: = 10), semiannually, recordings (audio or video) of five consecutive therapy sessions were taken over three years for an ex-post analysis. The patients' characteristics, such as affect parameters [Affect regulation and experience Q-sort (AREQ)], quality of object relations (quality of object relations scale) and personality traits [Shedler-Westen Assessment Procedure (SWAP-200)] were analyzed retrospectively by independent raters. Therapeutic action (psychotherapy process Q-sort) and affective (re)actions of the patients (AREQ) were then analyzed in relation to changes found in the patients' characteristics. RESULTS: ± 7.94). Our assumption that transference interpretations, closely followed by affective changes in the patient, could be useful modes of interaction was reproducible in our findings, especially when looking at the descriptive findings in the long-term data. The analysis of repetitive interaction structures demonstrated a very specific "time-lag" between therapeutic intervention and a corresponding increase in positive affect in successful therapy cases. CONCLUSION: Exploring the change processes in the patients' characteristics and linking these changes to specific treatment strategies is of clinical importance when starting treatment and for its long-term progress.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 |
| 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 ».