L’évaluation des problèmes de santé mentale chez les adultes selon une approche multi-informateurs avec les instruments du Achenbach System of Empirically Based Assessment
Notice bibliographique
Résumé
La gestion des problèmes de santé mentale représente un enjeu majeur de santé publique au Québec. Par conséquent, répondre aux besoins biopsychosociaux des personnes atteintes de problèmes de santé mentale occupe une position qualifiée de majeure dans le système de santé (Fleury et Grenier, 2013). Obtenir un emploi implique de multiples processus de planification et de prise de décision. Ces processus peuvent être une expérience particulièrement difficile pour les personnes souffrant d’un problème de santé mentale. L’accompagnement professionnel est donc un facteur important à l’égard de l’insertion et du maintien en emploi pour cette population. Il s’avère cependant nécessaire de bien évaluer la condition de l’individu au cours du processus d’accompagnement afin de permettre des interventions ajustées aux besoins et aux caractéristiques psychologiques de la personne cliente. Pour l’évaluation des personnes atteintes de problèmes de santé mentale, les instruments psychométriques s’avèrent des outils d’évaluation fort utiles aux professionnels œuvrant en santé mentale et en relations humaines. La méthode multi-informateurs est d’ailleurs une méthode qui permet de combiner les évaluations de plusieurs informateurs dans le but d’obtenir un pronostic d’évaluation plus valide et complet (Roskam, Stievenart, Meunier, Van De Moortele, Kinoo, et Nassogne, 2009). Les instruments Achenbach System of Empirically Based Assenssment (ASEBA) utilisent d’ailleurs la méthode multi-informateurs. Ce mémoire porte sur ces instruments et a permis de vérifier le degré d’association entre l’ASR et l’ABCL ainsi que d’évaluer la contribution relative de chaque répondant pour dépister la présence de problèmes de santé mentale. Pour ce faire, un échantillon de 40 personnes hospitalisées en psychiatrie a été recruté au Département de psychiatrie de l’Estrie-CHUS, soit 24 femmes et 16 hommes, âgées entre 18 et 56 ans. Afin de répondre au premier objectif de recherche, qui est de vérifier le degré d’association entre l’ASR et l’ABCL, des corrélations entre les échelles syndromiques de ces instruments ont été calculées. Les résultats obtenus soutiennent que les corrélations entre les échelles syndromiques de l’ASR et de l’ABCL sont de tailles moyennes ou grandes pour 5 des 8 échelles, soient : anxiété-dépression, comportement agressif, comportement transgressif, comportement intrusif, problèmes de la pensée. Ensuite, une série de régressions logistiques ont été réalisées afin de répondre à l’objectif 2, qui est d’évaluer la contribution relative de chaque répondant pour l’évaluation des troubles de santé mentale. La combinaison de certaines échelles révèle qu’aucun répondant ne permet de distinguer les patients qui ont, ou non, un diagnostic de trouble de santé mentale. Pour d’autres combinaisons, aucune des deux versions de l’instrument n’a de contribution relative unique, c’est-à-dire qu’aucun des deux répondants ne permet de mieux distinguer ledit trouble. Finalement, les résultats de certaines combinaisons révèlent que la version auto-rapportée permet de mieux distinguer les personnes ayant un trouble de santé mentale de sa catégorie que les comportements rapportés par une tierce personne. Les limites de ce mémoire sont principalement liées à l’échantillon. D’abord parce qu’il est de petite taille. Ensuite, la variabilité des répondants à l’ABCL (conjoint, intervenant, etc.) peut amener une hétérogénéité dans les évaluations recueillies. Finalement, étant donné que l’échantillon est composé de personnes patientes hospitalisées, et par le fait même sous traitement, il est possible que leurs symptômes diffèrent entre le moment de l’hospitalisation, de l’établissement du diagnostic (variable critère) et lors de la passation de l’ASR diminuant ainsi la sensibilité et la spécificité observées dans les régressions logistiques (Le Corff et al., 2018a). Il demeure pertinent de procéder à la validation de la version canadienne- française de l’ABCL afin de vérifier si les résultats seront aussi satisfaisants que ceux de l’ASR.
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 | 0,027 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».