Cognitive-Behavioral Therapy in Intensive Case Management: A Multimethod Quantitative-Qualitative Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cognitive-behavioral therapy (CBT) has been shown to improve clinical outcomes in schizophrenia and severe and persistent mental illness, but access to it remains limited. One potential way to improve access to CBT is to provide it through intensive case management (ICM) teams. A 90-week quality improvement study was designed to assess if CBT could be implemented in ICM teams. Self-selected ICM clinicians (N=8) implemented CBT with their patients (N=40). These clinicians attended weekly seminars (36 h total) and group supervision (1.5 h/wk). Patient outcomes for this group were compared with those of other clinicians who did not attend the seminars [treatment as usual (TAU) clinicians (N=4)] and their patient population (N=49). Prescore and postscore on the Clinical Global Impressions scale and a quality-of-life scale (Montreal Life Skill Survey) were analyzed for completers in both groups (Clinical Global Impressions scores were analyzed for 25 patients in the CBT group and 29 patients in the TAU group). Weekly session reports by clinicians in the CBT group measured CBT interventions, session focus, and satisfaction with CBT. Qualitative data were obtained from clinicians in the CBT group. After 90 weeks, patients in the CBT group had fewer negative symptoms compared with patients in the TAU group. Our qualitative data describe 2 trajectories of patients: those who improved with CBT and those who did not, and they suggest factors that may impact patient trajectories in CBT. This study suggests that CBT can be used effectively in ICM teams working with patients suffering from severe and persistent mental illness.
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.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 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 | 0,003 |
| 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 découle