Alexithymia and Bipolar Disorder: Virtual Reality Could Be a Useful Tool for the Treatment and Prevention of These Conditions in People with a Physical Comorbidity
Notice bibliographique
Résumé
Background: Alexithymia, a predictor in chronic illnesses, like cardiovascular and bipolar disorder (CD–BD), could be improved with a virtual reality (VR) cognitive remediation program. This secondary analysis of a previous randomized controlled trial (RCT) evaluates alexithymia improvement and its factors in an experimental group versus a control group, exploring extensions to individuals with comorbid non-psychiatric chronic conditions. Methods: A feasibility cross-over RCT (ClinicalTrials.gov NCT05070065) enrolled individuals aged 18–75 with mood disorders (BD, DSM-IV), excluding those with relapses, epilepsy, or severe eye conditions due to potential risks with VR. Alexithymia levels were measured using the Toronto Alexithymia Scale with 20 items (TAS-20). Results: The study included 39 individuals in the experimental group and 25 in the control group, with no significant age or sex differences observed. Significantly improved alexithymia scores were noted in the experimental group compared to controls (F = 111.9; p < 0.0001) and in subgroups with chronic non-psychiatric comorbidities (F = 4.293, p = 0.048). Scores were particularly improved for difficulty in identifying feelings (F = 92.42; p < 0.00001), communicating feelings (F = 61.34; p < 0.00001), and externally oriented thinking (F = 173.12; p < 0.00001). Conclusions: The findings highlight alexithymia enhancement in BD, even with comorbid non-psychiatric chronic diseases. Given its impact on BD progression and related conditions, like CD, developing and evaluating VR-based tools in this context is suggested by these findings.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,009 | 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 ».