Cognitive behavioral therapy for managing depressive and anxiety symptoms after brain injury: a meta-analysis
Notice bibliographique
Résumé
Background Individuals with traumatic brain injury (TBI) are at increased risk of depression and anxiety, leading to impaired recovery. While cognitive-behavioral therapy (CBT) addresses anxiety and depression maintenance factors, its efficacy among those with TBI has not been clearly demonstrated. This review aims to bridge this gap in the literature.Methods Several databases, including Medline, PsycInfo and EMBASE, were used to identify studies published between 1990 and 2021. Studies were included if: (1) trials were randomized controlled trials (RCT) involving CBT-based intervention targeting anxiety and/or depression; (2) participants experienced brain injury at least 3-months previous; (3) participants were ≥18 years old. An SMD ± SE, 95% CI and heterogeneity were calculated for each outcome.Results Thirteen RCTs were included in this meta-analysis. The pooled-sample analyses suggest that CBT interventions had small immediate post-treatment effects on reducing depression (SMD ± SE: 0.391 ± 0.126, p < 0.005) and anxiety (SMD ± SE: 0.247 ± 0.081, p < 0.005). Effects were sustained at a 3-months follow-up for depression. A larger effect for CBT was seen when compared with supportive therapy than control. Another sub-analysis found that individualized CBT resulted in a slightly higher effect compared to group-based CBT.Conclusion This meta-analysis provides substantial evidence for CBT in managing anxiety and depression post-TBI.
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 | 0,010 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,049 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».