Predictors of study dropout in cognitive-behavioural therapy with a trauma focus for post-traumatic stress disorder in adults: An individual participant data meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Available empirical evidence on participant-level factors associated with dropout from psychotherapies for post-traumatic stress disorder (PTSD) is both limited and inconclusive. More comprehensive understanding of the various factors that contribute to study dropout from cognitive-behavioural therapy with a trauma focus (CBT-TF) is crucial for enhancing treatment outcomes. OBJECTIVE: Using an individual participant data meta-analysis (IPD-MA) design, we examined participant-level predictors of study dropout from CBT-TF interventions for PTSD. METHODS: A comprehensive systematic literature search was undertaken to identify randomised controlled trials comparing CBT-TF with waitlist control, treatment-as-usual or another therapy. Academic databases were screened from conception until 11 January 2021. Eligible interventions were required to be individual and in-person delivered. Participants were considered dropouts if they did not complete the post-treatment assessment. FINDINGS: The systematic literature search identified 81 eligible studies (n=3330). Data were pooled from 25 available CBT-TF studies comprising 823 participants. Overall, 221 (27%) of the 823 dropped out. Of 581 civilians, 133 (23%) dropped out, as did 75 (42%) of 178 military personnel/veterans. Bivariate and multivariate analyses indicated that military personnel/veterans (RR 2.37) had a significantly greater risk of dropout than civilians. Furthermore, the chance of dropping out significantly decreased with advancing age (continuous; RR 0.98). CONCLUSIONS: These findings underscore the risk of premature termination from CBT-TF among younger adults and military veterans/personnel. CLINICAL IMPLICATION: Understanding predictors can inform the development of retention strategies tailored to at-risk subgroups, enhance engagement, improve adherence and yield better treatment outcomes.
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 | 0,066 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,068 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».