MétaCan
Menu
Retour à la cohorte
Enregistrement W4401920407 · doi:10.1192/j.eurpsy.2024.158

Comparing The Effectiveness Of Mentalization-Based Therapy And Dialectical Behavior Therapy In An Adult Population With Cluster B Personality Disorders To Reduce Hospital Service Use

2024· article· en· W4401920407 sur OpenAlexaff
Pengfei Yin, François-Samuel Lahaie, Annie Allery, Frédéric Pérusse, L. Cailhol, S. Poirier

Notice bibliographique

RevueEuropean Psychiatry · 2024
Typearticle
Langueen
DomainePsychology
ThématiquePersonality Disorders and Psychopathology
Établissements canadiensInstitut Universitaire en Santé Mentale de QuébecUniversité de Montréal
Organismes subventionnairesNational Research, Development and Innovation Office
Mots-clésMentalizationDialectical behavior therapyPsychotherapistPsychologyBorderline personality disorderCluster (spacecraft)PersonalityPopulationBehavioral therapyClinical psychologyDialecticMedicineSocial psychology

Résumé

récupéré en direct d'OpenAlex

Introduction Mentalization-based therapy (MBT) and dialectical behavior therapy (DBT) are two treatments known to be effective for borderline personality disorder (BPD). However, head-to-head comparisons between those two treatments are scarce and their effectiveness in naturalistic clinical services, where BPD is often comorbid with other cluster B personality disorders (PD), needs to be further explored. Objectives The study’s goal was to answer the following question: Is there a difference in emergency department visits, hospitalizations and dropout rates after one year of treatment in MBT compared to DBT for a clinical adult population with cluster B PD? Methods We compared the effectiveness of MBT and DBT in 288 patients between 2015 and 2019 with at least one cluster B PD by measuring their emergency services use and hospitalizations one year before and one year after beginning therapy. Drop-out rates for those two treatment modalities are also compared. Image 1 illustrates the patient distribution for the study. Results In terms of reducing emergency room use, patients in each treatment group experienced a significant decrease with medium effect sizes (p < .001 for both, d=.768 for MBT and d=.640 for DBT). In terms of reducing hospitalizations, the MBT group had a significant decrease (p < .05) with a medium effect size (d=.568) whereas the DBT group had a non-significant decrease (p = .595) with a negligible effect size (d=.140). When we compare both therapies, no significant differences were found between them in terms of reductions in emergency room use (p = .358) and hospitalizations (p =.195), as well as dropout rates (p = .743). Image 2 further illustrates the dropout trends in the first year of treatment for both groups in intervals of 3 months. Hospitalizations were rare in our population, which may hinder the validity of results containing this variable. In absolute numbers, total emergency room visits decreased from 119 to 37, whereas hospitalizations were reduced from 24 to 12. Drop-out rates before entering treatment were high (20.6%), as it was during treatment for both therapies (around 30% in the first year of treatment). Image: Image 2: Conclusions This study emphasizes that both DBT and MBT are linked to a reduction in service use over time. Dropout rates in both treatments are also similar to other studies. Therefore, future research should investigate the factors that can help clinicians guide individuals with PDs towards the type of therapy that is most suitable for them. Disclosure of Interest None Declared

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,317
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean PsychiatryMême sujetPersonality Disorders and PsychopathologyTravaux en français237 207