Thinking About the Future of Cognitive Remediation Therapy Revisited: What Is Left to Solve Before Patients Have Access?
Notice bibliographique
Résumé
In our previous paper on the Future of Cognitive Remediation published more than 10 years ago, we envisaged an imminent and wide implementation of cognitive remediation therapies into mental health services. This optimism was misplaced. Despite evidence of the benefits, costs, and savings of this intervention, access is still sparse. The therapy has made its way into some treatment guidance, but these documents weight the same evidence very differently, causing confusion, and do not consider barriers to implementation. This paper revisits our previous agenda and describes how some challenges were overcome but some remain. The scientific community, with its commitment to Open Science, has produced promising sets of empirical data to explore the mechanisms of treatment action. This same community needs to understand the specific and nonspecific effects of cognitive remediation if we are to provide a formulation-based approach that can be widely implemented. In the last 10 years we have learned that cognitive remediation is not "brain training" but is a holistic therapy that involves an active therapist providing motivation support, and who helps to mitigate the impact of cognitive difficulties through metacognition to develop awareness of cognitive approaches to problems. We conclude that, of course, more research is needed but, in addition and perhaps more importantly at this stage, we need more public and health professionals' understanding of the benefits of this therapy to inform and include this approach as part of treatment regimens.
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 | 0,031 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,044 |
| Communication savante | 0,014 | 0,053 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,021 | 0,049 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».