Dyadic Interactions of Treatment-Resistant Schizophrenia Patients Having Followed Virtual Reality Therapy: A Content Analysis
Notice bibliographique
Résumé
(1) Background: Very little is known about the inner therapeutic processes of psychotherapy interventions for patients suffering from treatment-resistant schizophrenia. Avatar therapy (AT) is one such modalities in which the patient is undergoing immersive sessions in which they interact with an Avatar representing their main persistent auditory verbal hallucination. The aim of this study is to identify the most prevalent dyadic interactions between the patient and the Avatar in AT for patient's suffering from TRS. (2) Methods: A content analysis of 256 verbatims originating from 32 patients who completed AT between 2017 and 2022 at the Institut universitaire en santé mentale de Montréal was conducted to identify dyadic interactions between the patients and their Avatar. (3) Results: Five key dyads were identified to occur on average more than 10 times for each participant during the immersive sessions across their AT: (Avatar: Reinforcement, Patient: Self-affirmation), (Avatar: Provocation, Patient: Self-affirmation), (Avatar: Coping mechanisms, Patient: Prevention), (Patient: Self-affirmation, Avatar: Reinforcement), and (Patient: Self-appraisal, Avatar: Reinforcement). (4) Conclusion: These dyads offer a first qualitative insight to the interpersonal dynamics and patient-avatar relationships taking place during AT. Future studies on the implication of such dyadic interactions with the therapeutic outcome of AT should be conducted considering the importance of dyadic relationships in psychotherapy.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».