Client subgroups in emotion‐focussed therapy: Exploring profiles in observable emotion
Notice bibliographique
Résumé
Abstract Objective The present study examined client profiles in observed emotion to explore possible subgroups among clients given that there is substantial heterogeneity in clients' expression of emotion in therapy. Subgroups were identified using the sequential model of emotional processing, which posits that global distress, shame/fear and rejecting anger represent ‘early expressions of distress’, whereas assertive anger, self‐compassion and grief/hurt are conceptualised to be ‘adaptive states’ that predict good outcomes. The present study also offers a unique strategy for studying differences in clients' emotional presentation with implications for within‐session assessment by therapists. Method Sections of videotaped therapy sessions for 34 participants in emotion‐focussed therapy were coded for each emotional state. Through cluster analysis, participants were grouped based on the relative magnitude of each emotion state in the model. Results In the first set of analyses, two naturalistic groups were formed: Cluster 2 had higher levels of adaptive emotion and rejecting anger than Cluster 1. There was a significantly greater proportion of good within‐session outcomes in Cluster 2 than in Cluster 1. In the second set of analyses, a separate cluster analysis categorised participants based on their early expressions of distress. Four groups were described as follows: Distressed, Protesters, Fearful & Ashamed and Minimally Distressed. Only the Minimally Distressed group showed significantly higher rates of good within‐session outcome. Discussion These findings provide support for the emotional processing model by using novel methods and analyses. Although the findings are preliminary, they have implications for clinicians' assessments of clients' emotional needs and characteristic presentations.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 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 ».