Aborder la syllogomanie en médecine familiale Au-delà de la téléréalité
Bibliographic record
Abstract
OBJECTIF: Examiner comment se présente la syllogomanie et suggérer aux médecins de famille des approches et des ressources pour sa prise en charge. SOURCE DES DONNÉES: On a fait une recension dans PubMed de 2001 à mai 2011. Le mot-clé MeSH hoarding a été utilisé pour identifier la recherche à ce sujet et passer en revue les articles portant sur les aspects neuropsychologiques de l’accumulation pathologique, son diagnostic et son traitement. MESSAGE PRINCIPAL: La syllogomanie ou accumulation pathologique est souvent un problème peu évident en médecine familiale. Les patients qui ont une syllogomanie se présentent souvent à cause d’un événement sentinelle comme une chute ou un incendie à leur domicile. Quoique la syllogomanie soit traditionnellement associée à un trouble obsessionnel-compulsif, le plus souvent, les patients ont une maladie systémique secondaire associée à un comportement syllogomaniaque ou ont une syllogomanie en l’absence de caractéristiques compulsives considérables. On s’attend à ce que la syllogomanie soit incluse dans la 5(e) édition du Manuel diagnostique et statistique des troubles mentaux. Si possible, il vaut mieux prendre en charge la syllogomanie selon une approche multidisciplinaire. Un nombre grandissant de centres offrent des programmes pour améliorer les symptômes ou réduire les dangers. Il a été démontré que la prise en charge pharmacologique a une certaine utilité pour traiter les causes secondaires. Chez les personnes plus âgées, des problèmes comme la démence, la dépression et la toxicomanie sont souvent associés à un comportement d’accumulation pathologique. Il faudrait essayer de maintenir les patients à domicile dans la mesure du possible, mais l’évaluation de la capacité devrait guider l’approche à adopter. CONCLUSION: L’accumulation pathologique est plus fréquente que ne le pensent les médecins de famille. Si on identifie une syllogomanie, il faudrait rechercher des ressources locales pour contribuer à la prise en charge. Il faut évaluer et traiter les causes sous-jacentes lorsqu’elles sont cernées. On s’attend à ce que la syllogomanie primaire compte parmi les nouveaux diagnostics dans la 5(e) édition du Manuel diagnostique et statistique des troubles mentaux.
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 | 0.002 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".