Évaluation de la santé mentale individuelle : Validation de la version canadienne-française de l’échelle santé-maladie de Luborsky (Health-Sickness Rating Scale) et comparaisons internationales
Bibliographic record
Abstract
Le Health-Sickness Rating Scale (HSRS ; Luborsky, 1962) permet d'évaluer empiriquement la santé mentale. Il a fait l'objet de nombreuses études qui ont démontré ses excellentes qualités psychométriques, de même que sa validité tant en Europe qu'en Amérique. La présente étude a pour objectif de procéder à une nouvelle comparaison internationale de l'usage de l'instrument suit à l'inclusion des évaluations de professionnels canadien-français. Trente et un (N = 31) professionnels de la santé mentale ont participé à l'étude. Les analyses montrent un indice de fidélité interjuges élevé (ICC = 78) entre l'ensemble des intervenants canadiens et un indice de fidélité interjuges très élevé (ICC = 97) entre la moyenne de ces derniers et les évaluations originales de Luborsky (1975). De plus, un nouvel indice de fidélité internationale a été calculé à partir de ces données et de celles obtenues par Armelius et ses collaborateurs (1991). Ce dernier témoigne d'une fidélité très forte (ICC = 98) entre la moyenne des évaluateurs des quatre pays qui ont participé au processus de validation (États-Unis, Canada, France et Suède) et les évaluations originales de Luborsky (1975). Certaines différences ayant néanmoins été observées entre les pays participants, cet article propose des formules de correction afin de faciliter la comparaison d'études utilisant le HSRS.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.023 | 0.037 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".