Caregiver maltreatment history and treatment response following an intensive Emotion Focused Family Therapy workshop
Notice bibliographique
Résumé
This single-arm, repeated measures study investigated the impact caregiver trauma history may have on treatment response following an intensive, 2-day Emotion Focused Family Therapy (EFFT) caregiver workshop. Caregivers (n = 243) completed questionnaires regarding their child's emotion regulation and clinical symptoms, as well as their own childhood trauma history (i.e., exposure to various forms of child maltreatment), caregiver self-efficacy and caregiver blocks (e.g., fears) to support their child's treatment and recovery. Questionnaires were administered prior to and immediately following the workshop and again 4, 8 and 12 months later. At baseline, caregivers who reported experiences of childhood maltreatment demonstrated more blocks compared with caregivers who did not (B = 6.35, SE = 2.62, p < 0.05). Results indicated that caregivers with and without maltreatment histories reported similar, significant gains in their child's total difficulties (B = 0.64, SE = 0.41, p = 0.12) and emotional negativity and lability (B = 0.51, SE = 0.48, p = 0.29) at 12-month post-workshop. Caregivers with maltreatment histories reported greater improvements in caregiver blocks (B = 5.15, SE = 1.34, p < 0.001) and child emotion regulation (B = 0.90, SE = 0.18, p < 0.001) than caregivers without maltreatment histories. They also report less, but still significant, improvement in parental self-efficacy (B = -0.68, SE = 0.26, p < 0.01) when compared with caregivers without maltreatment histories. Findings suggest that EFFT workshops may be an acceptable and effective trans-diagnostic intervention for families presenting with complex histories, including caregiver exposure to childhood maltreatment.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,003 | 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 ».