An analysis of differential improvement by diagnosis in group transdiagnostic cognitive behaviour therapy for anxiety disorders
Notice bibliographique
Résumé
INTRODUCTION: Anxiety disorders are the most prevalent among the mental health disorders and have a negative impact on an individual's life. Cognitive behaviour therapy (CBT) is documented as the most effective treatment for anxiety disorders. However, challenges associated with implementing diagnosis-specific CBT have led to transdiagnostic approaches of CBT (tCBT). tCBT uses a single protocol with core elements of CBT for treatment of anxiety disorders broadly. The aim of the current study is to examine whether participants with different principal anxiety diagnoses demonstrate similar anxiety reduction. METHODS: The current study involved a secondary analysis of 117 participants randomly allocated to receive tCBT for anxiety disorders in a pragmatic randomised effectiveness trial. Beck Anxiety Inventory (BAI) and Clinician Severity Ratings (CSR) scales were administered at pre- and post-treatment and one-year follow-up, while the Anxiety Disorder Diagnostic Questionnaire - Weekly (ADDQ-W) was administered each session. RESULTS: Mixed-factorial analyses of variance (ANOVAs) indicated that participants with GAD, SAD and PD/A improved to post-treatment and maintained to follow-up, with no differential improvement across principal diagnoses. Mixed effect regression modelling of session by session measures indicated non-differential negative slopes across principal diagnoses of GAD, SAD and PD/A. CONCLUSION: Overall, results indicate that group tCBT for anxiety disorders shows equal effectiveness for GAD, PD/A, and SAD in real-world conditions.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 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 ».