Exploring Therapeutic Outcomes Through Dyadic Interactions: The Role of Patient-Avatar Dynamics in Avatar Therapy
Notice bibliographique
Résumé
OBJECTIVE: Despite the efficacy of current therapies, a significant proportion of patients with schizophrenia, a complex mental disorder marked by both positive (present) and negative (absent) symptoms, are considered to have treatment-resistant schizophrenia. Avatar therapy (AT) allows patients to interact with a three-dimensional representation of their most distressing voices in a virtual reality setting. The therapy shows promise in reducing impairments and improving quality of life through the establishment of a therapeutic alliance and the exploration of dyadic interactions (verbal exchanges) between patients and their avatar. The purpose of this study was to investigate differences in dyadic interactions throughout the immersive sessions of AT and to clarify the relationship between these interactions and therapeutic success by analyzing dyads as predictive indicators of positive outcomes in AT. METHODS: Mean frequencies for the 10 most prevalent dyads identified in previous AT research were reported for 35 patients. A logistic regression model was implemented, and these dyads were used to predict variances in Psychotic Symptom Rating Scales-auditory hallucination scores 1 month after the completion of AT. RESULTS: Variances in mean frequencies were reported for the dyads. A positive relation between the avatar (provocation)-patient (self-affirmation) dyad and the therapeutic outcome was found to be significant (OR=2.29, p=0.049). CONCLUSIONS: This research is pioneering in its in-depth examination of therapeutic interactions in AT, with a particular focus on dyadic interactions. Future studies should prioritize the quality rather than quantity of these interactions to more accurately forecast their effects on potential indicators of positive outcomes in AT.
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 | 0,007 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».