MétaCan
Menu
Retour à la cohorte
Enregistrement W4221099355 · doi:10.1111/bjc.12366

Self‐critical perfectionism, dependency and entropy during cognitive behavioural therapy for depression

2022· article· en· W4221099355 sur OpenAlexaff
Lance L. Hawley, Lance M. Rappaport, Christine A. Padesky, Steven D. Hollon, Enza Mancuso, Judith M. Laposa, Karen Brozina, Zindel V. Segal

Notice bibliographique

RevueBritish Journal of Clinical Psychology · 2022
Typearticle
Langueen
DomainePsychology
ThématiquePerfectionism, Procrastination, Anxiety Studies
Établissements canadiensThe Scarborough HospitalMental Health Research CanadaHealth Sciences CentreUniversity of TorontoCentre for Addiction and Mental HealthUniversity of WindsorSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésPerfectionism (psychology)PsychologyDepression (economics)Latent growth modelingClinical psychologyMoodDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: This study examined whether 'personality vulnerability' (i.e., self-critical perfectionism or dependency) predicts the trajectory of change, as well as variability and instability (i.e., entropy) of symptoms, during cognitive behaviour therapy (CBT) for depression. DESIGN: Study participants were outpatients (N = 312) experiencing a primary mood disorder. Participants received CBT for depression group sessions over 15 weeks. Self-report measures of self-critical perfectionism, dependency, and depression were collected longitudinally. METHODS: A latent growth mixture modelling (LGMM) statistical approach was used to evaluate the presence of latent classes of individuals based on their longitudinal pattern of symptom change during CBT and to evaluate whether baseline self-critical perfectionism or dependency predicts class membership. A Latent Acceleration Score (LAS) model evaluated whether perfectionism or dependency led to variability in depression symptom change (e.g., velocity) by considering changes in velocity (e.g., acceleration and/or deceleration). RESULTS: LGMM indicated the presence of two latent classes that represent symptom improvement (N = 239) or minimal symptom improvement over time (N = 73). Elevated baseline self-critical perfectionism, but not dependency, predicted a greater likelihood of membership in the class of participants who demonstrated minimal symptom improvement over time. The second analysis examined whether baseline self-critical perfectionism also predicts depression symptom variability and instability. The LAS perfectionism model demonstrated that perfectionism accelerates depression symptom change during the first seven sessions of treatment, then has a decelerating effect on depression symptom change. CONCLUSIONS: Results indicated that higher baseline self-critical perfectionism predicted higher variability and instability in depression symptoms and variability in acceleration and deceleration, over the course of treatment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,188
Score d'incertitude au seuil0,902

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,097
Tête enseignante GPT0,464
Écart entre enseignants0,367 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Clinical PsychologyMême sujetPerfectionism, Procrastination, Anxiety StudiesTravaux en français237 207