Cognitive training of self-initiation of semantic encoding strategies in schizophrenia: A pilot study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Available cognitive remediation interventions have a significant but relatively small to moderate impact on episodic memory in schizophrenia. The present study aimed to evaluate the efficacy and feasibility of a brief novel episodic memory training targeting the self-initiation of semantic encoding strategies. To select patients with such deficits, 28 participants with schizophrenia performed our Semantic Encoding Memory Task (SEMT) that provides a measure of self-initiated semantic encoding strategies. This task identified a deficit in 13 participants who were then offered two 60-minute training sessions one week apart. After the training, patients performed an alternate version of the SEMT. The CVLT-II (a standardised measure of semantic encoding strategies) and the BVMT-R (a control spatial memory task) were used to quantify memory pre- and post-training. After the training, participants were significantly better at self-initiating semantic encoding strategies in the SEMT (p = .004) and in the CVLT-II (p = .002). No significant differences were found in the BVMT-R. The current study demonstrates that a brief and specific training in memory strategies can help patients to improve a deficient memory process in schizophrenia. Future studies will need to test this intervention further using a randomised controlled trial, and to explore its functional impact.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle