Mindfulness-based cognitive therapy in patients with depression: current perspectives
Notice bibliographique
Résumé
Meagan B MacKenzie,1 Kayleigh A Abbott,2 Nancy L Kocovski2 1Department of Psychology, Ryerson University, Toronto, ON, Canada; 2Department of Psychology, Wilfrid Laurier University, Waterloo, ON, Canada Abstract: Mindfulness-based cognitive therapy (MBCT) was developed to prevent relapse in individuals with depressive disorders. This widely used intervention has garnered considerable attention and a comprehensive review of current trends is warranted. As such, this review provides an overview of efficacy, mechanisms of action, and concludes with a discussion of dissemination. Results provided strong support for the efficacy of MBCT despite some methodological shortcomings in the reviewed literature. With respect to mechanisms of action, specific elements, such as mindfulness, repetitive negative thinking, self-compassion and affect, and cognitive reactivity have emerged as important mechanisms of change. Finally, despite a lack of widespread MBCT availability outside urban areas, research has shown that self-help variations are promising. Combined with findings that teacher competence may not be a significant predictor of treatment outcome, there are important implications for dissemination. Taken together, this review shows that while MBCT is an effective treatment for depression, continued research in the areas of efficacy, mechanisms of action, and dissemination are recommended. Keywords: mindfulness-based cognitive therapy, MBCT, major depressive disorder, efficacy, mechanisms of action, dissemination
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».