Cognitive adaptation training for forensic psychiatry inpatients with schizophrenia spectrum diagnoses
Notice bibliographique
Résumé
Cognitive deficits affect 70–75% of individuals with schizophrenia and significantly impact functioning. Cognitive Adaptation Training (CAT) is an evidence-based compensatory intervention that improves functioning through personalized environmental supports. Research has explored adaptations to CAT for specific contexts and sub-populations. The present study explored the feasibility and preliminary outcome data for CAT adapted for inpatient forensic psychiatry settings (finCAT). This study employed a single group mixed-method design collecting data at baseline, post-intervention, and 2-months follow-up. Forensic psychiatry inpatients with schizophrenia spectrum diagnoses (N = 18) participated. Outcomes included room organization, self-care, goal attainment, and qualitative interviews with patients (n = 4) and staff (n = 4), as well as secondary measures of unit climate and clinician attitudes. Data analyses with repeated-measures ANOVA revealed a significant effect of time on blind-rated room organization, with significant improvements at post-intervention sustained during follow-up. There were no significant changes to self-care ratings or secondary measures. Qualitative themes identified included (1) improvement in patients’ self-care and organization; (2) clinicians’ increased awareness of the relationship between cognitive deficits and functional outcomes; (3) improvements beyond self-care and room organization; and (4) increased opportunities for interprofessional collaboration. These results support the feasibility of adapting CAT for inpatient forensic psychiatry settings.
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) | 0,001 | 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 | 0,001 |
| 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 ».