首访逐字稿可预测心理治疗脱落,治疗师讨论后续照护与留存关系最强
Predicting dropout from therapy based on first-session transcripts
一项回顾性队列研究基于31,146名通过雇主赞助的数字心理健康平台接受个体门诊治疗的患者,检验首访逐字稿语言能否预测其未在第4次会谈前继续治疗。加入自然语言处理与大语言模型提取的逐字稿特征后,模型预测优于仅用会谈前数据(AUC 0.642 vs 0.569)。治疗师行为尤其是是否清楚讨论后续照护与留存关系最强,而动机、矛盾心理和治疗联盟等患者层面构念未表现出一致预测力;作者指出整体区分度有限。
心理治疗中的脱落很常见,且往往发生在治疗早期,但预测哪些患者会退出治疗仍然困难。在这项回顾性队列研究中,我们纳入了31,146名通过雇主赞助的数字心理健康平台接受个体门诊治疗的患者,考察能否利用首次会谈转录文本中的语言来预测后续脱落(即首次会谈后1年内未能参加第四次会谈)。我们将临床、人口学和利用变量与通过自然语言处理和大语言模型从转录文本中提取的特征相结合。与仅使用会谈前数据的模型相比,纳入转录文本衍生特征的模型改善了预测(曲线下面积,0.642 vs 0.569)。治疗师行为,尤其是是否明确讨论了后续随访照护,与留存强烈相关,而患者层面的构念如动机、矛盾心理和治疗联盟则未表现出一致的预测作用。尽管总体区分度一般,但转录文本衍生特征改善了对高风险患者的识别。这些发现提示,早期会谈中的互动动态包含可操作的参与信号,并可能支持可扩展的方法来改善心理健康照护中的留存。类似内容已被其他人浏览。
中文由 AI 翻译,仅供参考,以原文为准。
研究用首访逐字稿预测心理治疗脱落,提示治疗师是否清楚讨论后续安排比患者动机更能区分留存。
来源:npj Mental Health Research · nature.com