Rol van big five persoonlijkheidskenmerken bij drop-out.

E. M. Rozemeijer, W. Siebum, B. Montagne, N. Weisscher

Samenvatting

Achtergrond: Drop-out is een belangrijk probleem bij psychotherapie. Uit eerdere studies kwam naar voren dat persoonlijkheidspathologie samenhangt met drop-out. Er is echter weinig bekend over de rol van persoonlijkheidskenmerken bij drop-out.

Doel: Deze studie richtte zich op de relevantie van persoonlijkheidskenmerken als predictor van drop-out bij patiënten met een persoonlijkheidsstoornis in een (dag)klinische setting.

Methode: Bij aanvang van behandeling werd een SCID-II interview afgenomen om de aard van de persoonlijkheidsstoornis vast te stellen. Daarnaast werd er een vragenlijst ingevuld voor het in kaart brengen van de big five persoonlijkheidskenmerken (NEO-PI-R). Drop-out is gedefinieerd als een behandelduur korter dan 6 maanden en bepaald op basis van dossieronderzoek. Met een logistische regressie analyse werd bepaald of de big five persoonlijkheidskenmerken, na correctie voor het type persoonlijkheidsstoornis, van toegevoegde waarde waren in de voorspelling van drop-out.

Resultaten: Het drop-out percentage was 29.7% bij een steekproef van 145 patiënten. Aanwezigheid van een cluster C persoonlijkheidsstoornis gaf een significant lagere kans op drop-out (OR=0.09; P<.001). Geen van de big five persoonlijkheidskenmerken was echter significant geassocieerd met drop-out (.77<OR<1.11; .06< P< .99).

Conclusie: Drop-out kan, in beperkte mate, worden voorspeld op basis van de aard van de persoonlijkheidsstoornis, zoals bepaald via de SCID-II. Kennis over de big five persoonlijkheidskenmerken gemeten met de NEO-PI-R verbetert deze voorspelling niet.

_____________________________________________________________

“Gevaar?! Wáár?? Dáár!!”

Lezing door Annemiek de Kock, GIOS, verkorte opleiding tot klinisch psycholoog
Praktijkresearchbegeleider: dr. Barbara Montagne, coördinator onderzoekslijn persoonlijkheidsstoornissen

Patiënten met een borderline persoonlijkheidsstoornis kampen met ernstige problemen in de emotieregulatie. Uit divers onderzoek komt naar voren dat ze last hebben van een negatieve evaluatiebias voor het herkennen van emotionele gezichten: ze ervaren andere mensen eerder als agressief en bedreigend. Voor het dagelijks leven, waarin sociale relaties een belangrijke rol spelen, is een goed begrip hierover van groot belang.

De oorsprong van deze verstoorde informatieverwerkings- en regulatieprocessen wordt gezocht in verstoorde hechtingsrelaties en vroege ervaringen van sociale dreiging. De evaluatiebias kleurt en bepaalt vermoedelijk automatisch waarnemingen en gedragingen in het dagelijks leven. Als gevolg kan verondersteld worden dat deze patiënten hypergevoelig zijn voor tekenen van sociale dreiging en bovendien bovengemiddeld in staat zijn om de locatie van die dreiging te onthouden. Deze aannamen worden in deze studie op experimentele wijze onderzocht, in de klinische praktijk.

___________________________________

De toepassingen van kunstmatige intelligentie in de diagnostiek van psychiatrische stoornissen - abstract Badyr Marsaoui

Kunstmatige intelligentie en robotisering is doorgedrongen in vrijwel alle sectoren van de economie en maatschappij. Zo ook in de medische wereld en dan vooral nog bij de specialisaties met hoogontwikkelde technieken zoals robotisering bij chirurgie en automatisch detecteren van afwijkende cellen bij de pathologische anatomie.

Bij de psychiatrie zijn de mogelijkheden nog maar beperkt ontwikkeld al zijn er grote vorderingen in E-health en wordt behandeling met Virtual Reality brillen al toegepast. 

In dit referaat wordt uitgewerkt hoe kunstmatige intelligentie gebruikt kan worden in de diagnostiek en vroegdetectie van psychiatrische