Estudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazo

Detalhes bibliográficos
Autor(a) principal: Laskoski, Pricilla Braga
Data de Publicação: 2017
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/188639
Resumo: Introdução: Inúmeras evidências já demonstraram a eficácia de uma variedade de modalidades de psicoterapia no tratamento de uma série de transtornos psicológicos e psiquiátricos. Quando se observa a produção de pesquisa em psicoterapias na atualidade, verifica-se que a compreensão dos aspectos que contribuem para a mudança continua a ser um desafio. Objetivos: Explorar de diferentes formas e perspectivas o processo terapêutico de uma Psicoterapia Psicanalítica de Longo Prazo através do Psychotherapy Process Q-Set (PQS) com vistas a levantar hipóteses sobre os mecanismos de ação terapêutica. Método: Trata-se de um estudo de caso sistemático. Os participantes foram uma paciente de 67 anos portadora de doenças crônicas (lupus, fibromialgia), que iniciou psicoterapia psicanalítica devido a problemas familiares e queixas somáticas. O tratamento foi conduzido por uma terapeuta experiente totalizando 30 meses e 120 sessões gravadas em vídeo e analisadas alternadamente (n=62) com o PQS. A concordância entre os juízes apresentou média de 0,71 (correlação de Pearson). Através de análise fatorial do tipo Q, foram identificadas as estruturas de interação desta díade. Utilizou-se o algoritmo random forest (machine learning) para identificar o melhor modelo preditivo de desconforto subjetivo, aferido através do Outcome Questionnaire (OQ-45). Resultados: Avaliação diagnóstica indicou traços de transtorno da personalidade dependente e obsessivo-compulsiva bem como transtorno de sintomas somáticos. Medidas de resultado demonstraram melhora em relação à sintomatologia. Foram identificadas 4 estruturas de interação que mostraram-se não lineares e mais ou menos salientes em diferentes etapas do tratamento. Além disso, mostraram validade clínica. Em relação aos protótipos, encontrou-se maior adesão ao protótipo de função reflexiva. Foi encontrado um modelo com Area Under the Receiver Operating Characteristic Curve de 0.725, sensibilidade de 79%, especificidade de 62% e acurácia de 70.5% que indicou uma combinação de 6 variáveis representativas predominantemente de fatores específicos da técnica empregada como os preditores mais importantes de níveis de desconforto subjetivo. Conclusão: Em relação à personalidade, a paciente mostrou uma redução do funcionamento operatório, porém um incremento nos traços depressivos. Embora, haja uma piora aparente em relação aos níveis mais elevados de transtorno e síndromes, verificou-se a presença de níveis mais altos de indicadores de força do ego. As estruturas de interação identificadas são representativas tanto dos chamados fatores comuns às terapias (aliança terapêutica) como de fatores específicos da abordagem empregada (foco no afeto). Identificou-se que algumas das interações são independentes e outras relacionam-se ao longo do tempo. A adesão aos protótipos ideais corroborou estudos prévios que já haviam detectado que os tratamentos não são um reflexo perfeito das técnicas prescritas. A maior adesão ao protótipo de função reflexiva (construto que operacionaliza o conceito de mentalização) dá suporte à premissa de que a mentalização é um processo comum às terapias. Machine learning mostrou ser uma ferramenta inovadora e promissora no contexto da pesquisa de processo em psicoterapia. A partir dos dados obtidos, pode-se levantar hipóteses acerca das características e processos particulares da dupla em questão, bem como de processos mais gerais, relativos ao fenômeno psicoterapêutico e não exclusivos a este caso em particular.
id URGS_3032d751ecce410a9c7a6d44f7da8718
oai_identifier_str oai:www.lume.ufrgs.br:10183/188639
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Laskoski, Pricilla BragaEizirik, Claudio LaksSerralta, Fernanda Barcellos2019-02-09T02:34:38Z2017http://hdl.handle.net/10183/188639001082796Introdução: Inúmeras evidências já demonstraram a eficácia de uma variedade de modalidades de psicoterapia no tratamento de uma série de transtornos psicológicos e psiquiátricos. Quando se observa a produção de pesquisa em psicoterapias na atualidade, verifica-se que a compreensão dos aspectos que contribuem para a mudança continua a ser um desafio. Objetivos: Explorar de diferentes formas e perspectivas o processo terapêutico de uma Psicoterapia Psicanalítica de Longo Prazo através do Psychotherapy Process Q-Set (PQS) com vistas a levantar hipóteses sobre os mecanismos de ação terapêutica. Método: Trata-se de um estudo de caso sistemático. Os participantes foram uma paciente de 67 anos portadora de doenças crônicas (lupus, fibromialgia), que iniciou psicoterapia psicanalítica devido a problemas familiares e queixas somáticas. O tratamento foi conduzido por uma terapeuta experiente totalizando 30 meses e 120 sessões gravadas em vídeo e analisadas alternadamente (n=62) com o PQS. A concordância entre os juízes apresentou média de 0,71 (correlação de Pearson). Através de análise fatorial do tipo Q, foram identificadas as estruturas de interação desta díade. Utilizou-se o algoritmo random forest (machine learning) para identificar o melhor modelo preditivo de desconforto subjetivo, aferido através do Outcome Questionnaire (OQ-45). Resultados: Avaliação diagnóstica indicou traços de transtorno da personalidade dependente e obsessivo-compulsiva bem como transtorno de sintomas somáticos. Medidas de resultado demonstraram melhora em relação à sintomatologia. Foram identificadas 4 estruturas de interação que mostraram-se não lineares e mais ou menos salientes em diferentes etapas do tratamento. Além disso, mostraram validade clínica. Em relação aos protótipos, encontrou-se maior adesão ao protótipo de função reflexiva. Foi encontrado um modelo com Area Under the Receiver Operating Characteristic Curve de 0.725, sensibilidade de 79%, especificidade de 62% e acurácia de 70.5% que indicou uma combinação de 6 variáveis representativas predominantemente de fatores específicos da técnica empregada como os preditores mais importantes de níveis de desconforto subjetivo. Conclusão: Em relação à personalidade, a paciente mostrou uma redução do funcionamento operatório, porém um incremento nos traços depressivos. Embora, haja uma piora aparente em relação aos níveis mais elevados de transtorno e síndromes, verificou-se a presença de níveis mais altos de indicadores de força do ego. As estruturas de interação identificadas são representativas tanto dos chamados fatores comuns às terapias (aliança terapêutica) como de fatores específicos da abordagem empregada (foco no afeto). Identificou-se que algumas das interações são independentes e outras relacionam-se ao longo do tempo. A adesão aos protótipos ideais corroborou estudos prévios que já haviam detectado que os tratamentos não são um reflexo perfeito das técnicas prescritas. A maior adesão ao protótipo de função reflexiva (construto que operacionaliza o conceito de mentalização) dá suporte à premissa de que a mentalização é um processo comum às terapias. Machine learning mostrou ser uma ferramenta inovadora e promissora no contexto da pesquisa de processo em psicoterapia. A partir dos dados obtidos, pode-se levantar hipóteses acerca das características e processos particulares da dupla em questão, bem como de processos mais gerais, relativos ao fenômeno psicoterapêutico e não exclusivos a este caso em particular.Introduction: Many studies have shown consistent evidence of efficacy and effectiveness of psychodynamic psychotherapy in a wide range of disorders. However, an understanding of aspects that contribute to the psychological change in psychotherapy remains a challenge. Objectives: To examine under different perspectives the therapeutic process of a long-term psychoanalytic psychotherapy through the Psychotherapy Process Q-Set (PQS) in order to to raise hypotheses about the mechanisms of therapeutic action. Methods: this is a systematic case study. The participants were a 67-year-old female patient with chronic diseases (lupus, fibromyalgia) who initiated psychoanalytic psychotherapy due to family problematic relationships and somatic complaints. The treatment was conducted by an experienced therapist reaching 30 months and 120 videotaped sessions analyzed alternately (n = 62) with PQS. The interrater reliability between the judges ranged from 0.60 to 0.90 with a mean of r = 0.71 ( earson’s correlation). he interaction structures were obtain through a principal-components exploratory factor analysis. A random forest algorithm (machine learning) was performed to find the best model predictive of high levels of patient distress, which was assessed by Outcome Questionnaire (OQ-45). Results: diagnostic evaluation indicated traits of dependent and obsessive-compulsive personality disorder as well as somatic symptom disorder (concrete and operative functioning mode). Outcome measures demonstrated improvement in symptomatology. Four interaction structures were identified that were non-linear and more or less salient in different treatment stages. In addition, they showed clinical validity. In relation to the prototypes, we found greater adherence to the reflective functioning prototype. The best random forest model differentiated high distress from low levels of distress with an AUC of 0.725, sensitivity of 79%, specificity of 62% and balanced accuracy of 70.5%. It indicated a combination of 6 variables predominantly representative of specific techniques used as the most important predictors of levels of distress. Conclusion: Regarding the personality, the patient showed a reduction in the operative functioning, but an increase in the depressive traits. Although there is an apparent worsening with regard to higher levels of disorder and presence of syndromes, there is symptomatic improvement and higher levels of ego force indicators. The interaction structures identified seem to be structures that represent, respectively, a specific factor of the approach employed (focus on affect) and a common factor (therapeutic alliance) to all therapies. In addition, some IS are independent and others related in time. Prototypes adherence are consistent with previous studies showing that psychotherapeutic process do not use to present “pure” models over time. he greater edherence to the reflective functioning prototype (construct that operationalizes the concept of mentalization) supports the premise that mentalization is a common process across therapies. Machine learning has proved to be an innovative and promising tool in the context of process research in psychotherapy. From the obtained data, it is possible to raise hypotheses about the characteristics and particular processes of the dyad patient-therapist in question, as well as of more general processes, related to the psychotherapeutic phenomenon and not exclusive to this particular case.application/pdfporTerapia psicanaliticaPersonalidadeEvolução clínicaRelatos de casosPsicoterapia psicodinâmicaTerapia cognitivo-comportamentalAprendizado de máquinaPsychoanalytic psychotherapyMachine learningPsychotherapy prototypesInteraction structuresOutcome researchProcess researchPsychotherapy researchPsychotherapy processEstudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulFaculdade de MedicinaPrograma de Pós-Graduação em Psiquiatria e Ciências do ComportamentoPorto Alegre, BR-RS2017doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001082796.pdf.txt001082796.pdf.txtExtracted Texttext/plain293448http://www.lume.ufrgs.br/bitstream/10183/188639/2/001082796.pdf.txtf73357120c33bb9b442abe1d183503adMD52ORIGINAL001082796.pdfTexto completoapplication/pdf2430961http://www.lume.ufrgs.br/bitstream/10183/188639/1/001082796.pdf748785cc283fa14f614a79796364a3c0MD5110183/1886392023-09-20 03:33:56.24142oai:www.lume.ufrgs.br:10183/188639Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-09-20T06:33:56Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Estudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazo
title Estudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazo
spellingShingle Estudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazo
Laskoski, Pricilla Braga
Terapia psicanalitica
Personalidade
Evolução clínica
Relatos de casos
Psicoterapia psicodinâmica
Terapia cognitivo-comportamental
Aprendizado de máquina
Psychoanalytic psychotherapy
Machine learning
Psychotherapy prototypes
Interaction structures
Outcome research
Process research
Psychotherapy research
Psychotherapy process
title_short Estudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazo
title_full Estudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazo
title_fullStr Estudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazo
title_full_unstemmed Estudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazo
title_sort Estudo sobre o processo terapêutico de uma psicoterapia psicanalítica de longo prazo
author Laskoski, Pricilla Braga
author_facet Laskoski, Pricilla Braga
author_role author
dc.contributor.author.fl_str_mv Laskoski, Pricilla Braga
dc.contributor.advisor1.fl_str_mv Eizirik, Claudio Laks
dc.contributor.advisor-co1.fl_str_mv Serralta, Fernanda Barcellos
contributor_str_mv Eizirik, Claudio Laks
Serralta, Fernanda Barcellos
dc.subject.por.fl_str_mv Terapia psicanalitica
Personalidade
Evolução clínica
Relatos de casos
Psicoterapia psicodinâmica
Terapia cognitivo-comportamental
Aprendizado de máquina
topic Terapia psicanalitica
Personalidade
Evolução clínica
Relatos de casos
Psicoterapia psicodinâmica
Terapia cognitivo-comportamental
Aprendizado de máquina
Psychoanalytic psychotherapy
Machine learning
Psychotherapy prototypes
Interaction structures
Outcome research
Process research
Psychotherapy research
Psychotherapy process
dc.subject.eng.fl_str_mv Psychoanalytic psychotherapy
Machine learning
Psychotherapy prototypes
Interaction structures
Outcome research
Process research
Psychotherapy research
Psychotherapy process
description Introdução: Inúmeras evidências já demonstraram a eficácia de uma variedade de modalidades de psicoterapia no tratamento de uma série de transtornos psicológicos e psiquiátricos. Quando se observa a produção de pesquisa em psicoterapias na atualidade, verifica-se que a compreensão dos aspectos que contribuem para a mudança continua a ser um desafio. Objetivos: Explorar de diferentes formas e perspectivas o processo terapêutico de uma Psicoterapia Psicanalítica de Longo Prazo através do Psychotherapy Process Q-Set (PQS) com vistas a levantar hipóteses sobre os mecanismos de ação terapêutica. Método: Trata-se de um estudo de caso sistemático. Os participantes foram uma paciente de 67 anos portadora de doenças crônicas (lupus, fibromialgia), que iniciou psicoterapia psicanalítica devido a problemas familiares e queixas somáticas. O tratamento foi conduzido por uma terapeuta experiente totalizando 30 meses e 120 sessões gravadas em vídeo e analisadas alternadamente (n=62) com o PQS. A concordância entre os juízes apresentou média de 0,71 (correlação de Pearson). Através de análise fatorial do tipo Q, foram identificadas as estruturas de interação desta díade. Utilizou-se o algoritmo random forest (machine learning) para identificar o melhor modelo preditivo de desconforto subjetivo, aferido através do Outcome Questionnaire (OQ-45). Resultados: Avaliação diagnóstica indicou traços de transtorno da personalidade dependente e obsessivo-compulsiva bem como transtorno de sintomas somáticos. Medidas de resultado demonstraram melhora em relação à sintomatologia. Foram identificadas 4 estruturas de interação que mostraram-se não lineares e mais ou menos salientes em diferentes etapas do tratamento. Além disso, mostraram validade clínica. Em relação aos protótipos, encontrou-se maior adesão ao protótipo de função reflexiva. Foi encontrado um modelo com Area Under the Receiver Operating Characteristic Curve de 0.725, sensibilidade de 79%, especificidade de 62% e acurácia de 70.5% que indicou uma combinação de 6 variáveis representativas predominantemente de fatores específicos da técnica empregada como os preditores mais importantes de níveis de desconforto subjetivo. Conclusão: Em relação à personalidade, a paciente mostrou uma redução do funcionamento operatório, porém um incremento nos traços depressivos. Embora, haja uma piora aparente em relação aos níveis mais elevados de transtorno e síndromes, verificou-se a presença de níveis mais altos de indicadores de força do ego. As estruturas de interação identificadas são representativas tanto dos chamados fatores comuns às terapias (aliança terapêutica) como de fatores específicos da abordagem empregada (foco no afeto). Identificou-se que algumas das interações são independentes e outras relacionam-se ao longo do tempo. A adesão aos protótipos ideais corroborou estudos prévios que já haviam detectado que os tratamentos não são um reflexo perfeito das técnicas prescritas. A maior adesão ao protótipo de função reflexiva (construto que operacionaliza o conceito de mentalização) dá suporte à premissa de que a mentalização é um processo comum às terapias. Machine learning mostrou ser uma ferramenta inovadora e promissora no contexto da pesquisa de processo em psicoterapia. A partir dos dados obtidos, pode-se levantar hipóteses acerca das características e processos particulares da dupla em questão, bem como de processos mais gerais, relativos ao fenômeno psicoterapêutico e não exclusivos a este caso em particular.
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2019-02-09T02:34:38Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/188639
dc.identifier.nrb.pt_BR.fl_str_mv 001082796
url http://hdl.handle.net/10183/188639
identifier_str_mv 001082796
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/188639/2/001082796.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/188639/1/001082796.pdf
bitstream.checksum.fl_str_mv f73357120c33bb9b442abe1d183503ad
748785cc283fa14f614a79796364a3c0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085466788069376