|
1000
|
Abstract/Summary
|
-
Hintergrund: Ein adäquater bzw. kompetenter Umgang mit schwierigen Emotionen ist bei Personen mit psychischen Störungen oft eingeschränkt. Mit dem Training emotionaler Kompetenzen (TEK) nach Berking (2017) existiert ein gut strukturiertes Behandlungsmanual, mit dem man emotionale Kompetenzen störungsübergreifend trainieren kann. In Studien zeigte sich durch das TEK eine Verbesserung emotionaler Kompetenzen und eine Symptomreduktion bei Patienten mit psychischen Störungen. Aufgrund der hohen Strukturiertheit des TEK eignet es sich gut für eine digitalisierte Anwendung. Ziel: Eine TEK-App könnte u. a. die Wartezeit auf einen Psychotherapieplatz überbrücken sowie das Potenzial therapierelevanter Übungen besser ausschöpfen. Aktuell existiert eine smartphonegestützte Version des TEK, welche in Ergänzung zum TEK-Gruppentraining eingesetzt werden kann. Das langfristige Ziel ist die Entwicklung einer TEK-App-Vollversion. Methode: Hierfür werden Erkenntnisse aus der Forschung herangezogen, um die bisherigen Probleme smartphonegestützter Gesundheitsförderung gezielt zu adressieren und zu minimieren. In klinischen Studien soll dann die Effektivität der TEK-App überprüft werden. Ergebnisse: Erste Ergebnisse deuten auf eine gute Akzeptanz der TEK-Trainings-App durch die Anwenderinnen und Anwender hin, wenn diese in das Gruppentraining eingebettet ist. Ergebnisse der Effektivität der TEK-App-Vollversion stehen noch aus. Diskussion: Die Effektivität der TEK-App soll bei Personen mit psychischen Störungen, die auf einen Psychotherapieplatz warten, sowie im Kontext der Nachsorge evaluiert werden. Langfristig soll die TEK-App von der fortschreitenden Entwicklung der Sensortechnologie und künstlichen Intelligenz profitieren und Biosignale emotionaler Vorgänge durch die App erfasst und rückgemeldet werden.
|
|
1000
|
Hinweis
|
-
DeepGreen-ID: 4ace7959d7f34197b71274390b6155d2 ; metadata provieded by: DeepGreen (https://www.oa-deepgreen.de/api/v1/), LIVIVO search scope life sciences (http://z3950.zbmed.de:6210/livivo), Crossref Unified Resource API (https://api.crossref.org/swagger-ui/index.html), to.science.api (https://frl.publisso.de/), ZDB JSON-API (beta) (https://zeitschriftendatenbank.de/api/), lobid - Dateninfrastruktur für Bibliotheken (https://lobid.org/resources/search)
|
