Application et efficacité d'une thérapie basée sur les inférences auprès d'une population d'accumulateurs compulsifs: une étude de cas clinique
Notice bibliographique
Résumé
Les personnes souffrant du trouble d’accumulation compulsive d’objets sont nombreuses. Selon les etudes, il y aurait environ 4% de la population qui aurait ce trouble (Samuels et al., 2008). L’impact sur leur vie est grand pouvant mener notamment a des divorces, des pertes d’emploi ainsi qu’a des troubles de sante mentale et physique (Frost et al., 2000; Frost et Gross, 1993; Frost et Hartl, 1996; Tolin, Frost, Steketee, Gray et Fitch, 2008). Plusieurs traitements ont ete essayes aupres de cette population, dont la therapie cognitive comportementale adaptee aux accumulateurs. Toutefois, les succes therapeutiques demeurent modestes, les accumulateurs compulsifs etant une population refractaire aux traitements (Steketee, Frost, Tolin, Rasmussen, Brown, 2010). C’est ce qui a mene le chercheur Kieron O’Connor a vouloir adapter sa therapie cognitive, la therapie basee sur les inferences, a cette population clinique. L’objectif de cet essai doctoral etait d’evaluer l’application d’une therapie basee sur les inferences aupres d’une population d’amasseurs compulsifs. Une etude sur dossier a ete faite a partir de 9 participants ayant suivi une therapie basee sur les inferences au Centre de Recherche de l’Institut Universitaire en Sante Mentale de Montreal entre 2003 et 2014. Deux participants ayant eu une amelioration de leurs symptomes d’accumulation ont ete illustres plus en details sous forme de cas clinique. Une diminution cliniquement significative des symptomes d’accumulation tels que mesures par le Y-BOCS a ete observee chez 66% des participants (n=9). Quatre de ceux-ci avaient des symptomes sous-cliniques en fin de therapie et un des symptomes legers d’accumulation. Une diminution cliniquement significative de leurs symptomes depressifs tels que mesures par le BDI a ete vue chez 56% des participants et 33% ont vu leurs symptomes anxieux diminuer. Deux personnes ont vu leurs processus inferentiels diminuer d’au moins 35%. Une taille d’effet de 0,8 a ete trouvee pour le Y-BOCS, de 0,3 pour le BDI et de 0,2 pour le BAI.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».