Dropout in Psychotherapy for Personality Disorders: A Systematic Review of Predictors
Notice bibliographique
Résumé
INTRODUCTION: Dropout in psychotherapy for personality disorders is a major challenge, affecting treatment efficacy and mental health care delivery. Influenced by patient characteristics, therapist factors and treatment dynamics, dropout remains prevalent. This systematic review identifies predictors of psychotherapy dropout in individuals with personality disorders to inform strategies that enhance treatment engagement. METHOD: A systematic search in PsycINFO, PubMed and Scopus identified 22 studies from 1976 articles. Inclusion criteria required DSM/ICD-based personality disorder assessments and dropout predictors in psychotherapy. Non-English or non-peer-reviewed studies were excluded. Screening followed PRISMA guidelines using Rayyan, and study quality was assessed with the Newcastle-Ottawa Scale (NOS). RESULTS: Dropout rates ranged from 10.4% to 58%, depending on treatment modality and patient characteristics. Younger age, comorbid substance use disorders, emotional dysregulation, distress tolerance difficulties, childhood emotional abuse, therapist turnover and low motivation were significant predictors of dropout. Conversely, strong therapeutic alliances, mindfulness-based skills and engagement in phone coaching were associated with improved retention. Other relevant factors included low reflective functioning, lower education levels and socio-economic adversity, such as receiving disability benefits. Only one study identified low reflective functioning as a dropout predictor. Systemic factors, including treatment organization and care coordination, also played a crucial role. CONCLUSIONS: Addressing dropout requires early engagement strategies, therapist continuity and treatment flexibility. Enhancing therapeutic alliance and reflective functioning may be particularly effective in reducing dropout. Systemic improvements, such as better care coordination and accessibility, are crucial for sustaining engagement and improving psychotherapy outcomes for individuals with personality disorders. REGISTRATION: PROSPERO number: CRD42024509283.
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 | 0,012 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,009 |
| Bibliométrie | 0,011 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».