Therapist responsivity during disagreement in psychotherapy
Notice bibliographique
Résumé
Abstract Objective Therapist responsivity is recognised as an important factor for improved psychotherapy process and outcome. Previous research (Aviram et al., 2016) has found that increased therapist responsivity during key moments (e.g., disagreements) is particularly impactful to post‐treatment outcome. However, global scores of the observational coding system used in prior studies fail to capture more precise micromoments and specific therapist responsivity within disagreement episodes that may contribute to outcome. In response, this study analysed therapy disagreement episodes with more precise coding measures that capture moment‐to‐moment sequences of therapist and client utterances. Method Sixty disagreement episodes (segment beginning with clear client disagreement with therapist and ending once they shifted to a new topic) previously abstracted from early working phase sessions of a randomised controlled trial (RCT) of cognitive behavioural therapy with and without integrated motivational interviewing (Hara et al., 2022) were utilised. To gauge responsivity within these episodes, two therapist behaviours (demand and support) were examined in response to specific moments of client counter‐change talk (CCT) statements using microlevel, moment‐to‐moment coding systems. This resulted in indices of appropriate (CCT‐Support) and inappropriate/errors in responsivity (CCT‐Demand). Responsivity indices were compared with the gold standard observational coding measure for managing ambivalence and resistance, the Motivational Interviewing Treatment Integrity scale (MITI). Results While appropriate responsivity did not predict outcome, responsivity errors significantly predicted poorer outcome at one year post‐treatment. Additionally, the capacity of responsivity errors for predicting outcome was equivalent to that obtained from the global observational measure. Conclusion These findings have significant implications for training by emphasising the need for therapists to be sensitive to context and to acquire skill at detecting and responsively managing specific moments to avoid responsivity errors and improve therapy outcomes.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».