L’histoire de la science du stress : de Hans Selye à la découverte des anti-inflammatoires
Bibliographic record
Abstract
Pour faire une grande découverte scientifique qui marquera l’histoire, cela prend beaucoup de détermination, de créativité, de persévérance et de chance. L’histoire de la découverte du stress et de ses fondements biologiques est une histoire fascinante qui met au premier plan Dr Hans Selye, grande figure scientifique ayant enseigné à l’Université de Montréal de 1945 à sa mort, en 1982. Dr Selye était un homme curieux, rigoureux et travaillant. Sa grande détermination à comprendre le « syndrome de l’air malade » le mena à découvrir le rôle joué par les glandes surrénales dans la réponse du stress et à mieux comprendre les effets des glucocorticoïdes sur le corps. Ses travaux ont aussi mené à la découverte des anti-inflammatoires, les wonder drugs des années 1950, qui sont aujourd’hui étudiées pour leurs effets potentiellement positifs dans certains troubles mentaux. Aujourd’hui, la totalité de la science du stress et beaucoup d’études en psychiatrie utilisent les fondements mis en place par Dr Selye. Dans le cadre des célébrations du cinquantième anniversaire du Département de psychiatrie de l’Université de Montréal et du numéro spécial de la revue Santé mentale au Québec, je résume l’histoire des découvertes de ce grand chercheur ayant oeuvré au Québec de 1945 à 1982.
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 | 0.005 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.019 |
| Scholarly communication | 0.006 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.004 | 0.010 |
| Insufficient payload (model declined to judge) | 0.006 | 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".