Lien entre Motivation et Insight dans la prise en charge des addictions
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Résumé Dans le domaine des addictions, différentes théories motivationnelles existent, comme le modèle transthéorique de Prochaska et Diclemente, la théorie de l’autodétermination de Deci et Ryan, le principe de flux de Csikszentmihalyi, et le modèle PRIME de West et West, afin d’aider les personnes concernées à dépasser leur problème. Miller et Rollnick définissent la motivation comme étant la probabilité qu’une personne s’engage et poursuive une démarche spécifique de changement. Il s’agit d’une dimension indispensable pour l’adhésion aux traitements et pour le maintien du changement. Dans les services de prise en charge des addictions, le manque d’observance au traitement médicamenteux, les abandons précoces et les rechutes sont des problèmes fréquemment rencontrés. Face à ces difficultés, nous nous sommes intéressés à des études portant sur la motivation au changement chez des patients dépendants à une substance. Par ailleurs, l’insight est une dimension souvent étudiée chez les schizophrènes, mais beaucoup moins chez les patients alcoolodépendants. Il se définit comme « la perception et la conscience de son propre trouble ». Des études ont mis en évidence le rôle de l’insight et de la motivation sur la compliance au traitement. Nous avons passé en revue la littérature abordant le lien entre ces différentes notions. Nous nous interrogeons quant à l’implication de l’insight sur la motivation dans les addictions.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.008 |
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 it