A preliminary investigation of the relationships between attachment insecurity, fear of compassion, and <scp>OCD</scp> severity
Notice bibliographique
Résumé
OBJECTIVES: The most successful psychological treatment for obsessive-compulsive disorder (OCD) is cognitive behavioural therapy (CBT). However, treatment success remains around 50% when refusal and dropout are considered. Purdon (Journal of Behavior Therapy and Experimental, Psychiatry, 2023, 78, 101773) argued that the CBT model is under-specified, suggesting that there may be important treatment targets that are not directly addressed. Based on emerging research, she identified insecure attachment and fear of compassion (FOC) as potentially important targets. Insecure attachment and FOC are associated with OCD symptoms, and past research suggests that FOC may explain the relationship between attachment insecurity and emotional distress. We reasoned that FOC may also be an important predictor of OCD symptom severity. METHODS: We conducted two preliminary, pre-registered online survey studies with undergraduate samples to explore potential theoretical relationships between attachment, FOC, and OCD. RESULTS: Study one (N = 329) revealed that the indirect effect of attachment anxiety on OCD symptom severity through fear of self-compassion was significant, even when controlling for trait self-compassion. A significant indirect effect of attachment avoidance predicting OCD severity, through fear of receiving compassion, also emerged. Study two (N = 340) replicated these findings and extended this research by controlling for depression. CONCLUSIONS: Taken together, these findings suggest that FOC could be an important variable to consider when conceptualizing OCD. Further exploration is warranted to understand the directionality of these relationships and whether attachment and FOC could be valuable targets in OCD treatment.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».