Les thérapies de troisième vague dans le traitement du trouble obsessionnel-compulsif
Bibliographic record
Abstract
En termes de prévalence, le trouble obsessionnel-compulsif (TOC) se classe au quatrième rang des troubles de santé mentale. Les traitements actuellement dispensés sont issus de la première et de la deuxième vague des thérapies comportementales et cognitives et utilisent l’exposition et la restructuration cognitive. Cependant, les thérapies de la troisième vague, soit la thérapie par la pleine conscience et la thérapie d’acceptation et d’engagement (ACT), sont de plus en plus reconnues comme traitements de choix. Le présent article décrit les bases théoriques de l’ACT, incluant la théorie des cadres relationnels et ses cibles cliniques : l’évitement expérientiel, ses principaux processus et un outil utilisé lors du traitement, la matrice. Plutôt que de restructurer les pensées problématiques et de l’exposer à son anxiété, l’ACT vise à entraîner la flexibilité psychologique, c’est-à-dire la capacité à se distancer de ses pensées problématiques et à accepter les ressentis inconfortables afin de pouvoir poser des actions en lien avec ses valeurs personnelles. Ceci peut permettre au comportement du client qui était largement sous le contrôle aversif de ses obsessions et de son anxiété de passer graduellement sous le contrôle appétitif de ses valeurs personnelles. L’application de l’ACT au TOC est illustrée par une étude de cas.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.008 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".