The level of alexithymia in alcohol-dependent patients does not influence outcomes after inpatient treatment
Notice bibliographique
Résumé
BACKGROUND: The inability of individuals with Alcohol Use Disorders (AUD) to recognize and describe their feelings and cravings may be due to alexithymia. Previous researches have shown evidence for a negative influence of alexithymia on treatment outcomes in patients with AUD. Therefore, it was hypothesized that high alexithymic patients with AUD would benefit less from cognitive behavioral therapy (CBT) compared with low alexithymic patients. METHODS: One hundred alcohol-dependent inpatients (DSM IV) were assessed with the Mini International Neuropsychiatric Interview for psychiatric disorders, the Toronto Alexithymia Scale (TAS-20), and the European Addiction Severity Index (EuropASI). Baseline alexithymia, as a categorical and continuous variable, was used to compare or relate baseline demographic and addiction characteristics, time in treatment, abstinence, and differences in addiction severity at 1-year follow-up. Analyses were performed using chi(2) test, analysis of variance or Kruskal-Wallis, paired t-tests or Wilcoxon's signed rank tests, multivariate logistic, and linear regression models, as appropriate. RESULTS: The prevalence of high alexithymia (TAS-20 > 61) was 45%. The total TAS-20 score correlated negatively with years of education (r = -.21; p = .04) and positively with the psychiatry domain of the EuropASI (r = .23; p = .04). Alexithymia showed no relation to abstinence, time in treatment, or change in severity of alcohol-related problems on the EuropASI. CONCLUSION: High alexithymic patients with AUD do benefit equally from inpatient CBT-like treatment as low alexithymic patients with AUD. SCIENTIFIC SIGNIFICANCE: Multimethod alexithymia assessments with an observer scale have been advised to judge the relationship with resulting outcome in CBT.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».