La relation entre le sentiment de présence, les émotions et la réponse clinique dans le cadre d’une thérapie en réalité virtuelle pour la schizophrénie résistante au traitement
Bibliographic record
Abstract
La Thérapie Avatar (TA) est une nouvelle psychothérapie en réalité virtuelle. Celle-ci a été développée pour traiter les hallucinations auditives verbales (HAV) chez les patients atteints de schizophrénie résistante au traitement (SRT). Diverses composantes psychothérapeutiques, telles que les émotions et le sentiment de présence, pourraient contribuer à la réponse clinique dans le cadre de thérapies psychologiques. De plus, dans le contexte des interventions basées en réalité virtuelle, le sentiment de présence pourrait être associé à la réponse émotionnelle. Néanmoins, ces éléments ont été peu explorés dans le contexte de la TA. Ainsi, ce mémoire visait à explorer les liens entre le sentiment de présence, les émotions et la réponse clinique dans la TA. Pour mener cette étude, les données d’essais de TA antérieurs et en cours ont été utilisées. Au total, les données de 123 participants atteints de SRT ou d’un trouble schizoaffectif résistant au traitement ont été utilisées. Cet échantillon comprenait 84 individus de sexe masculin et 39 individus de sexe féminin, dont l’âge moyen était de 41,9 ans. À la fin de chaque séance de TA, le sentiment de présence et les émotions ressenties lors des séances de réalité virtuelle immersive ont été évalués à l’aide de questionnaires standardisés. Une échelle d’évaluation graphique et le questionnaire de présence Igroup Presence Questionnaire (IPQ) ont été utilisés pour évaluer le sentiment de présence. Une échelle d’évaluation graphique a également été utilisée pour évaluer la réponse émotionnelle. La variation au niveau de la sévérité des HAV a été évaluée à l’aide de la sous-échelle des hallucinations auditives du Psychotic Symptom Rating Scales (PSYRATS-AH). Des corrélations de Spearman ont été utilisées pour évaluer les associations entre le sentiment de présence et les émotions. Les corrélations entre le sentiment de présence et la variation de sévérité des HAV après la TA ont également été évaluées. Un test U de Mann-Whitney a été utilisé pour comparer les scores de sentiment de présence (IPQ et échelle d’évaluation graphique) entre les participants ayant une réduction de 20% ou plus du score au PSYRATS-AH (répondeurs) et les participants ayant eu une réduction de moins de 20 % du score au PSYRATS-AH (non-répondeurs). Les résultats obtenus montraient que le sentiment de présence était positivement corrélé avec le sentiment de contrôle (échelle d’évaluation graphique : rs = 0,337, p < 0,01 ; IPQ : rs = 0,225, p < 0,05). Le même résultat a été observé pour le sentiment de sérénité, mais uniquement avec l’échelle d’évaluation graphique (rs = 0,242, p < 0,05). Aucune association significative n’a été observée entre le sentiment de présence et les émotions négatives (anxiété, colère, peur et tristesse). De plus, un sentiment de présence plus élevé, mesuré à l’aide de l’échelle d’évaluation graphique, était associé à une diminution plus importante des HAV (rs = −0,384, p < 0,01), mais aucune association significative n’a été trouvée avec l’IPQ (rs = −0,257, p = 0,15). Enfin, des scores plus élevés de sentiment de présence étaient associés à une réponse clinique optimale (réduction de 20% ou plus du score au PSYRATS-AH), mais uniquement en utilisant l’échelle d’évaluation graphique (d de Cohen = 0,543, p = 0,047). En conclusion, les émotions positives semblent être associées au sentiment de présence dans la TA, alors que les émotions négatives pourraient ne pas l’être. Le sentiment de présence semble également être impliqué dans la réponse thérapeutique, ce qui suggère que celui-ci pourrait être une composante importante de la réponse clinique. Des résultats différents ont été obtenus pour l’échelle d’évaluation graphique et l’IPQ, ce qui semble indiquer que ces questionnaires pourraient mesurer différents aspects du sentiment de présence. D’autres études seront nécessaires pour confirmer ces observations et pour évaluer l’uniformité des méthodes de mesure du sentiment de présence dans le cadre des interventions en réalité virtuelle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".