MétaCan
Menu
Retour à la cohorte
Enregistrement W4415710805 · doi:10.2196/80010

Moderating Role of State and Trait Positive Affect in Virtual Reality Exposure for Public Speaking Anxiety: Protocol for a Multisite Experimental Study

2025· article· en· W4415710805 sur OpenAlexvenueno aff
Michael W. Otto, Laura J. Long, Santiago Papini, Tara Culver, Charles T. Taylor, Mikael Rubin, Hayley E. Fitzgerald, Qimin Liu, Jasper A. J. Smits, Rebecca Anderson, Asimina Aslanidou, Christoph Benke, Wouter R. Cox, Iris M. Engelhard, Sydney E. Friedman, Rachel R Goodman, Bronwyn M. Graham, Bridget A. Hearon, Jolene Jacquart, M. Alexandra Kredlow, Charlene L.M. Lam, Eric B. Lee, Peter M. McEvoy, Christiane A. Melzig, Karen Moses, Samantha Nagy, Jill M. Newby, Paul F R Pfaff, Amy Regan, Winfried Rief, Daniel Rudaizky, Sharon C. Sung, Matthias J. Wieser, Alex H K Wong, Quincy J. J. Wong, Nur Hani Zainal

Notice bibliographique

RevueJMIR Research Protocols · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueVirtual Reality Applications and Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAffect (linguistics)TraitAnxietyTrait anxietyCognitionMental healthIntervention (counseling)Exposure therapy

Résumé

récupéré en direct d'OpenAlex

Abstract Background The identification of moderators of exposure-based cognitive behavioral therapy (EXCBT) outcomes has the potential to (1) guide the judicious application of the limited resource that is EXCBT and (2) identify additional treatment targets for ameliorating the deleterious effects of an identified moderator, thereby enhancing clinical response. Experimental and clinical studies have yielded intriguing findings for the moderating influence of positive affect on EXCBT outcomes. Mixed findings for state positive affect (at the time of extinction or exposure trials) as a predictor of EXCBT outcomes stand in contrast to evidence that baseline levels of trait positive affect may be a more effective predictor. As such, questions remain about the best way to assess positive affect as a potential treatment moderator. Objective This study was designed to investigate (1) the relative value of state and trait positive affect for predicting the outcome of a single-session virtual reality exposure intervention for public speaking anxiety in adults attending college and (2) the role of 3 related constructs—optimism, hopefulness, and mental health self-efficacy—that may explain the predictive significance of trait positive affect. Methods State affect will be manipulated at an experimental level using affect induction procedures; trait positive affect will be measured at baseline. Three dependent measures—a primary outcome of public speaking anxiety and secondary outcomes of social phobia and self-reported valence—will be examined. This study relies on a team science approach and is being conducted across 12 collaborating sites through the Exposure Therapy Consortium, allowing for replication of all findings across diverse study sites worldwide. Results Data collection for this study began in October 2024 and ended in August 2025. We expect to complete data analysis and submit results for publication in approximately November 2025. Conclusions This study will help clarify the relationship among positive affect (state and trait), exposure learning, and 3 related constructs (optimism, hopefulness, and mental health self-efficacy). These findings will illuminate strategies for future treatment improvement and enhanced efficacy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,022
score de la tête « metaresearch » (Gemma)0,019
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Protocole · Signal consensuel: Protocole
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,019
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,003
Communication savante0,0020,001
Science ouverte0,0030,002
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0290,006

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.

Tête enseignante Opus0,216
Tête enseignante GPT0,543
Écart entre enseignants0,326 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeEssai non randomisé
Domainenon disponible
GenreProtocole

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Research ProtocolsMême sujetVirtual Reality Applications and ImpactsTravaux en français237 207