Unfinished business in virtual reality: Development and preliminary evaluation of an empty chair intervention grounded in emotion-focused therapy
Notice bibliographique
Résumé
The immersive capabilities of virtual reality (VR) make it a promising medium for psychotherapeutic interventions. This randomized controlled trial aimed to develop and evaluate a VR-based adaptation of Emotion-Focused Therapy for Unfinished Business (EFT-UFB). Specifically, we examined its effects on unresolved emotional experiences, self-compassion, self-protection, self-criticism, and perceived stress. Participants ( N = 52) were randomly assigned to either the intervention group ( n = 26) or a waitlist control group (n = 26), with assessments conducted at pre-test, post-test, and follow-up. The primary between-group analyses revealed no statistically significant differences between the intervention and control groups at post-test (unfinished business: t(50) = −2.00, p = .051, Cohen's d = −0.38, 95 % CI [−0.77, 0.01]) or at follow-up (t(50) = 0.60, p = .551, d = 0.08, 95 % CI [−0.31, 0.47]). Within the intervention group, unfinished business demonstrated a large pre–post reduction that was sustained at follow-up, whereas other effects were small or transient. Effect size estimates suggested small advantages for the intervention arm across several outcomes, including unfinished business (d = −1.01 vs. 0.44 in controls), self-criticism (Inadequate Self d = −0.47), and perceived stress (helplessness d = −0.33; self-efficacy d = 0.37). Other domains, including self-compassion and self-protection, showed negligible or inconsistent differences. While the VR-based EFT-UFB did not outperform the waitlist condition, these pilot findings provide preliminary evidence of feasibility and potential benefits for unfinished business. Importantly, the intervention was effectively delivered by a non-psychotherapist (a trained psychologist), underscoring its potential scalability within digital mental health applications.
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 | 0,003 |
| 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 | 0,000 | 0,001 |
| 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) | 0,004 | 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 ».