Psychotherapy Research· I. Dönnhoff D. Kindermann S. Stahl-Toyota J. Nowak M. Orth H.-C. Friederich C. Nikendei Centre for Psychosocial Medicine, Department of General Internal Medicine and Psychosomatics, University Hospital Heidelberg, Heidelberg, Germany·· 2026-02-27精选AI 评分62
1208例心理动力治疗样本：机器学习识别人格功能变化的预测因素
Changes in personality functioning following psychotherapy: Utilizing machine learning to identify predictors in a psychodynamic psychotherapy sample
AI 导读
一项针对1208例已完成门诊心理动力治疗患者的研究发现，多数人的人格功能改善在治疗结束后1年随访中保持稳定。研究用机器学习从227个候选变量中筛出14个潜在预测因素，包括治疗时长、童年不良经历、PTSD或复发性抑郁障碍诊断、人际关系问题与症状的改善，以及治疗师与患者之间联结的稳定性；研究还发现，改善幅度较大可能是治疗后人格功能随后下降的潜在指标。
推荐理由
基于1208例完成心理动力治疗的门诊样本，用机器学习梳理人格功能一年随访变化的预测因素，可供理解疗效维持的相关条件。
来源：Psychotherapy Research · tandfonline.com