Bibliographic record
Abstract
Bien que la médication neuroleptique ait démontré son efficacité pour le traitement des psychoses, les interventions psychologiques auprès des personnes qui en souffrent ont encore un rôle important à jouer. Les chiffres varient mais on estime qu'entre le quart et la moitié des personnes avec un diagnostic de schizophrénie souffrent de symptômes persistants, comme les délires et les hallucinations, qui provoquent de la détresse et interfèrent dans leur fonctionnement malgré la prise de médicaments (Fowler et al., 1995). Les rechutes se produisent souvent même chez les patients qui se conforment au régime de médication et plusieurs personnes sont réticentes à une médication suivie sur une longue période à cause de ses effets secondaires déplaisants et même débilitants. Ces dernières années, le développement de la thérapie cognitive béhaviorale (TCB) a connu un intérêt croissant pour les personnes atteintes de psychoses qui continuent d'éprouver des symptômes psychotiques malgré un traitement continu de médication anti-psychotique. La TCB des psychoses tente d'aborder directement ces structures de comportements, de pensées et de réactions émotionnelles qui sous-tendent et maintiennent les délires et les hallucinations graves et persistants.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".