Schizophrénie et toxicomanie : l’héritage du psychiatre Jean-Yves Roy
Bibliographic record
Abstract
Cher Jean-Yves, le 27 avril 2004, tu nous as quitté sur la pointe des pieds, laissant inachevés des projets de recherche portant sur la comorbidité schizophrénie — toxicomanie, que nous avons eu l’occasion de compléter au cours des dernières années au Centre de recherche Fernand-Seguin. Ce sont ces développements que nous souhaitons ici te raconter. Nous te présentons d’abord une série de travaux qui évaluent la validité de l’hypothèse de l’automédication, impliquant diverses techniques scientifiques (méta-analyse, imagerie cérébrale et neuropsychologie). Les résultats de ces travaux suggèrent fortement que les patients souffrant à la fois de schizophrénie et de toxicomanie ont moins de symptômes négatifs et de déficits cognitifs que les patients non toxicomanes. Ils présentent toutefois davantage de symptômes extrapyramidaux. En particulier, les résultats montrent que les patients avec un double diagnostic ont moins d’anhédonie, ce qui place la notion de plaisir au coeur de l’enjeu de la comorbidité, comme tu l’anticipais justement. Nous présentons ensuite les résultats préliminaires d’une étude ouverte qui suggère un potentiel effet bénéfique de la quétiapine chez les patients schizophrènes et toxicomanes, une étude qui nous également permis, comme tu l’espérais, de mettre en lumière des relations intrigantes entre les cannabinoïdes endogènes, les cytokines, la schizophrénie et la toxicomanie. Le caractère prometteur de ces résultats a fait en sorte que nous venons d’obtenir un financement où nous pourrons évaluer, dans les mêmes conditions et selon les mêmes paramètres, des patients schizophrènes non toxicomanes et des patients toxicomanes qui ne souffrent pas d’un trouble psychotique.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.003 | 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".