Bibliographic record
Abstract
Cet article se propose d’examiner le statut et le rôle d’une échelle quantitative d’évaluation des effets thérapeutiques des antidépresseurs. Cette échelle, dite HAM-D (échelle de Hamilton), joue un rôle central dans les pratiques médicales, les normes thérapeutiques, les politiques de santé et finalement les conceptions de la dépression. Tout en examinant les conditions sociales et scientifiques expliquant la centralité et l’importance de cette échelle, l’article détaille les conséquences des usages de cette échelle. L’échelle façonne la notion de dépression en proposant une représentation unidimensionnelle, une définition quasi opérationniste et performative. En numérisant la dépression, elle offre aux acteurs du marché des antidépresseurs la possibilité d’une « mise en scène du nombre » qui contribue largement à ce que les patients traités par ces molécules soient bien plus nombreux que ce qu’autoriseraient logiquement les caractéristiques de ceux sur lesquels la (toute relative) efficacité clinique des antidépresseurs a été montrée.
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 | 0.004 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".