Individual Mindfulness-Based Cognitive Therapy and Cognitive Behavior Therapy for Treating Depressive Symptoms in Patients With Diabetes: Results of a Randomized Controlled Trial Diabetes Care 2014;37:2427–2434 | DOI: 10.2337/dc13-2918 OBJECTIVE
Notice bibliographique
Résumé
Depression is a common comorbidity of diabetes, undesirably affecting patients’ physical and mental functioning. Psychological interventions are effective treat-ments for depression in the general population aswell as in patientswith a chronic disease. The aim of this study was to assess the efficacy of individual mindfulness-based cognitive therapy (MBCT) and individual cognitive behavior therapy (CBT) in comparisonwith awaiting-list control condition for treating depressive symptoms in adults with type 1 or type 2 diabetes. RESEARCH DESIGN AND METHODS In this randomized controlled trial, 94 outpatients with diabetes and comorbid depressive symptoms (i.e., Beck Depression Inventory-II [BDI-II] ‡14) were ran-domized to MBCT (n = 31), CBT (n = 32), or waiting list (n = 31). All participants completed written questionnaires and interviews at pre- and postmeasurement (3 months later). Primary outcomemeasure was severity of depressive symptoms (BDI-II and Toronto Hamilton Depression Rating Scale). Anxiety (Generalized Anx-iety Disorder 7), well-being (Well-Being Index), diabetes-related distress (Problem
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».