MétaCan
Menu
Retour à la cohorte
Enregistrement W4402406885 · doi:10.2196/preprints.66181

Acceptance, Safety, and Effect Sizes in Online Dialectical Behavior Therapy for Borderline Personality Disorder: Interventional Pilot Study (Preprint)

2024· preprint· en· W4402406885 sur OpenAlexaboutno aff
Ruben Vonderlin, Tali Boritz, Carola Claus, Büsra Senyüz, Saskia Mahalingam, Rachel Tennenhouse, Stefanie Lis, Christian Schmahl, Jürgen Margraf, Tobias Teismann, Nikolaus Kleindienst, Shelley McMain, Martin Bohus

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomainePsychology
ThématiquePersonality Disorders and Psychopathology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintDialectical behavior therapyBorderline personality disorderDialecticPsychotherapistPsychologyClinical psychologyBehavioral therapyPersonalitySocial psychologyComputer scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND The potential of telehealth psychotherapy (ie, the online delivery of treatment via a video web-based platform) is gaining increased attention. However, there is skepticism about its acceptance, safety, and efficacy for patients with high emotional and behavioral dysregulation. OBJECTIVE This study aims to provide initial effect size estimates of symptom change from pre- to post treatment, and the acceptance and safety of telehealth dialectical behavior therapy (DBT) for individuals diagnosed with borderline personality disorder (BPD). METHODS A total of 39 individuals meeting the DSM-5 (Diagnostic and Statistical Manual of Mental Disorders [Fifth Edition]) criteria for BPD received 1 year of outpatient telehealth DBT at 3 sites in Germany and Canada. Effect size estimates were assessed using pre-post measures of BPD symptoms, dissociation, and quality of life. Safety was evaluated by analyzing suicide attempts and self-harm. Additionally, acceptance and feasibility, satisfaction with treatment, useability of the telehealth format, and the quality of the therapeutic alliance were assessed from both therapists’ and patients’ perspectives. All analyses were conducted on both the intention-to-treat (ITT) and according-to-protocol (ATP) samples. RESULTS Analyses showed significant and large pre-post effect sizes for BPD symptoms (d=1.13 in the ITT sample and d=1.44 in the ATP sample; P<.001) and for quality of life (d=0.65 in the ITT sample and d=1.24 in the ATP sample). Dissociative symptoms showed small to nonsignificant reductions. Self-harm behaviors decreased significantly from 80% to 28% of all patients showing at least 1 self-harm behavior in the last 10 weeks (risk ratio 0.35). A high dropout rate of 38% was observed. One low-lethality suicide attempt was reported. Acceptance, feasibility, and satisfaction measures were high, although therapists reported only moderate useability of the telehealth format. CONCLUSIONS Telehealth DBT for BPD showed large pre-post effect sizes for BPD symptoms and quality of life. While the telehealth format appeared feasible and well-accepted, the dropout rate was relatively high. Future research should compare the efficacy of telehealth DBT with in-person formats in randomized controlled trials. Overall, telehealth DBT might offer a potentially effective alternative treatment option, enhancing treatment accessibility. However, strategies for decreasing drop-out should be considered. CLINICALTRIAL German Clinical Trials Register DRKS00027824; https://drks.de/search/en/trial/DRKS00027824

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)0,021
score de la tête « metaresearch » (Gemma)0,059
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 enseignants0,021
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,059
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,048
Tête enseignante GPT0,404
Écart entre enseignants0,356 · 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 sujetPersonality Disorders and PsychopathologyTravaux en français237 207