Comparing in-person to videoconference group cognitive behavioural therapy (CBT) for depressive disorders in an out-patient mood disorders clinic
Notice bibliographique
Résumé
Abstract Background: Despite their considerable public health impact, most people with depressive disorders do not receive treatment due to barriers that limit access to high-quality care. Since the onset of the COVID-19 pandemic, depressive symptoms have sharply increased, and access-to-care barriers were magnified by physical distancing requirements. Videoconferencing is a virtual care modality that reduces access-to-care barriers and can be used to deliver cognitive behavioural therapy (CBT), an evidence-based treatment for depressive disorders. However, it is unclear whether videoconference CBT effectively decreases depressive symptoms, particularly in a group therapy format. Aim: This non-randomized study compared outcomes of group CBT for depressive disorders delivered via videoconference versus in-person. Method: Data on clinical outcomes (pre- and post-treatment depression, anxiety, and stress symptoms), treatment attendance, drop-out, and patient satisfaction were collected from adult outpatients of a mood disorders clinic who attended 14 weekly group CBT sessions either in-person (pre-pandemic; n =255) or via videoconference (during the pandemic; n =113). Results: Pre- to post-treatment decreases in depression, anxiety and stress symptoms did not differ between treatment modalities ( β =–.01–.06, p >.05). These effects were robust to patient-level factors (i.e. age, sex, co-morbidities, medication use). Moreover, videoconference group CBT was associated with higher attendance ( d =0.33) and lower drop-out (53% vs 70% of participants) compared with in-person group CBT. Conclusions: Videoconference group CBT for depressive disorders appears to be a promising and effective alternative to in-person CBT. However, these findings should be interpreted in light of the study’s non-randomized design and the potential confounding effects of the COVID-19 pandemic.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».