A systematic review of relational-based therapies for the treatment of auditory hallucinations in patients with psychotic disorders
Notice bibliographique
Résumé
BACKGROUND: Auditory hallucinations in patients with psychotic disorders may be very distressing. Unfortunately, a large proportion of individuals are resistant to pharmacological interventions and the gold-standard cognitive-behavioral therapy for psychosis offers at best modest effects. To improve therapeutic outcomes, several therapies have been created to establish a relationship between voice-hearers and their voices. With increasing literature, we conducted a systematic review of dialogical therapies and examined the evidence behind their efficacy. METHODS: A systematic search was performed in PubMed, PsycINFO, Web of Science, and Google Scholar. Articles were included if they discussed the effects of dialogical interventions for patients with psychotic disorders. RESULTS: A total of 17 studies were included within this systematic review. Cumulative evidence from various therapies has shown that entering in a dialog with voices is beneficial to patients, even those who are resistant to current pharmacological treatments. Heightened benefits have been mainly observed with Relating Therapy and Avatar Therapy/Virtual Reality assisted Therapy, with evidence generally of moderate quality. Both these interventions have shown large to very large effects on voices and voice-related distress as well as moderate to large magnitude improvements on affective symptoms. Though, cognitive-behavioral therapy for command hallucinations and making sense of voices noted no improvements on voices. CONCLUSIONS: Literature on relational-based interventions with a strong emphasis on the relational aspects of voice hearing has shown positive effects. Results suggest that these dialogical therapies might surpass the efficacy of current gold-standard approaches.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,006 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».