Emotions observed during sessions of dialectical behavior therapy predict outcome for borderline personality disorder.
Notice bibliographique
Résumé
OBJECTIVE: We examined whether the emotions that clients experience within session are associated with treatment outcome in dialectical behavior therapy (DBT) for borderline personality disorder (BPD). METHOD: Participants were 52 adults who met criteria for BPD and were enrolled in a 12-month DBT treatment. The Classification of Affective-Meaning States, an observer-rated measure of discrete emotions, was used to code videos of individual DBT sessions. Raters coded three psychotherapy sessions for each participant: one session from each of the early, working, and late phases of psychotherapy. Self-report measures of BPD symptoms were used to assess treatment outcome. RESULTS: More emotional experience overall during the early phase predicted fewer BPD symptoms at 12-month treatment outcome, explaining 19% of the variance in symptoms. However, increases across treatment in global distress predicted higher levels of BPD (24% of the variance explained) and depression symptoms (15% explained) at termination. Increases in emotional flexibility (i.e., variation between states) from the early to working phase predicted fewer depressive symptoms at termination (14% explained). Self-compassion coded during the working phase also predicted a better treatment outcome (explaining 19%-34%). CONCLUSIONS: Clients' in-session emotional experiences predict treatment outcome 8-10 months later. Clients with BPD may benefit from more overall exploration of their emotional experiences early in DBT, as well as expression of self-compassion. Increases in nonspecific, intense negative affect anticipates poor prognosis, whereas increases in emotional flexibility during early treatment anticipates better prognosis. (PsycInfo Database Record (c) 2024 APA, all rights reserved).
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».