Patient-centered group psychotherapy for depression and negative emotions: a systematic review and meta-analysis
Notice bibliographique
Résumé
Objective: Depressive disorders and negative emotions are a major global health challenge, affecting over 280 million people and worsened by the COVID-19 pandemic. Traditional treatments have limitations such as high relapse rates and accessibility issues. This study aimed to assess the efficacy of patient-centered group psychotherapy (PCGP) on depressive symptoms and functional outcomes, identify moderators, and provide recommendations. Methods: Following PRISMA guidelines, we searched PubMed, CNKI, and other databases through October 2024, including 7 randomized controlled trials (RCTs) and one Clinical study (total N = 1,989). Study quality was assessed using the Newcastle-Ottawa Scale. Random-effects meta-analyses via RevMan 5.4 calculated risk ratios (RRs) and standardized mean differences (SMDs), with heterogeneity evaluated via I² statistics. Results: Eligible participants comprised adults (≥18 years) with a principal diagnosis of major depressive disorder (DSM-5/ICD-10 criteria) or clinically significant negative emotional symptoms (e.g., PHQ-9≥15), excluding those with primary non-depressive psychiatric comorbidities. Studies involving mixed populations were included only if subgroup data for depressed participants were extractable. PCGP showed significant positive effects on overall effectiveness (RR = 1.10, 95% CI: 1.01-1.19, p = 0.03), symptom reduction (Positive and Negative Syndrome Scale (PANSS) scores, SMD = -1.96, 95% CI: -2.31 to -1.61, p < 0.001), and functional outcomes (Personal and Social Performance (PSP) scores, SMD = 1.96, 95% CI: 1.41-2.51, p < 0.001). It also improved negative mood (SMD = -4.28, 95% CI: -8.03 to -0.52, p = 0.03) but with high heterogeneity (I² = 99.0%). A positive trend was noted for medication adherence (RR = 1.11, 95% CI: 0.89-1.38, p = 0.35). Conclusion: PCGP is an effective first-line adjunct therapy for depression, particularly in resource-limited settings. It addresses both symptom reduction and functional recovery by combining personalized goal-setting with group dynamics.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,030 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».