La violence chez les personnes ayant des troubles mentaux : éclaircir les liens entre les troubles mentaux graves, les troubles de personnalité et les abus de substances
Notice bibliographique
Résumé
La violence cause un grave fardeau de santé publique et entraine plusieurs répercussions à la société, dont des coûts énormes. Les troubles mentaux graves (TMG), les troubles de personnalité (TPs), et les troubles liés à l’usage de substances (TLUS) sont à risque de passage à l’acte violent entrainant de nombreuses conséquences négatives incluant l'hospitalisation en milieu psychiatrique et l'incarcération. La relation entre les problèmes de santé mentale et la violence est d’autant plus complexifiée par la présence de comorbidités distinctes qui augmente le risque de comportements agressifs. Il importe de mener de recherches plus robustes avec des définitions standardisées de la violence afin de spécifier et d’éclaircir la relation entre la violence et les TMG, les TPs ainsi que les TLUS. À cet égard, ce projet vise à : (1) déterminer la pertinence clinique du Life History of Aggression (LHA), soit une échelle évaluant les antécédents de comportements agressifs, (2) approfondir la connaissance sur l’association entre les problèmes de santé mentale et les comportements violents et (3) investiguer l’effet de la consommation du cannabis sur la violence chez les personnes atteintes de troubles mentaux. Pour ce faire, différentes approches méthodologiques ont été utilisées et les participants ont été recrutés parmi une variété de milieux de soins psychiatriques ou d’incarcération. Nos trois articles ont montré plusieurs résultats intéressants. En premier lieu, l’étude 1 a montré que la version française du LHA est un questionnaire valide basé sur la cohérence interne, la validité de construit, la fidélité test-retest et la validité de convergence. Cet instrument pourrait donc être utilisé en pratique clinique pour évaluer la violence à vie à travers différents diagnostics. En second lieu, l’étude 2 a permis de différencier six profils caractérisés par des constellations pathologiques spécifiques de traits de personnalité (antisociaux, limites et narcissiques), de TLUS (stimulants, alcool et cannabis), de TMG en lien avec des patrons de comportement violents distincts. En troisième lieu, l’étude 3a montré la présence d’une relation linéaire entre la consommation persistante de cannabis et le passage à l’acte violent. Cette relation fut maintenue en ajustant pour des facteurs confondants potentiels tels que l’usage d’autres substances (alcool et cocaïne). Enfin, ce mémoire a permis d’approfondir la réflexion sur divers facteurs de risque de la violence chez des populations à risque élevées ayant des TMG, des TPs et/ou des TLUS. Ultimement, cela a pour but d’améliorer la mise en place d’interventions préventives et l’implémentation de traitements adaptés afin de réduire le passage à l’acte violent.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».