A decennial review of psychotraumatology: what did we learn and where are we going?
Notice bibliographique
Résumé
On 6 December 2019 we start the 10th year of the European Journal of Psychotraumatogy (EJPT), a full Open Access journal on psychotrauma. This editorial is part of a special issue celebrating the 10 years anniversary of the journal and acknowledging some of our most impactful articles of the past decade. In this editorial the editors present a decennial review of the field addressing a range of topics that are core to both the journal and to psychotraumatology as a discipline. These include neurobiological developments (genomics, neuroimaging and neuroendocrine research), forms of trauma exposure and impact across the lifespan, mass trauma and early interventions, work-related trauma, trauma in refugee populations, and the potential consequences of trauma such as PTSD or Complex PTSD, but also resilience. We address innovations in psychological, medication (enhanced) and technology-assisted treatments, mediators and moderators like social support and finally how new research methods help us to gain insights in symptom structures or to better predict symptom development or treatment success. We aimed to answer three questions 1. Where did we stand in 2010? 2. What did we learn in the past 10 years? 3. What are our knowledge gaps? We conclude with a number of recommendations concerning top priorities for the future direction of the field of psychotraumatology and correspondingly the journal.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».