Techniques interpersonnelles pour optimiser les résultats positifs de la réhabilitation psychiatrique (deuxième partie)
Bibliographic record
Abstract
Il existe maintenant un certain nombre de traitements comportementaux basés sur le milieu ou le groupe qui ont démontré leur efficacité auprès des patients souffrant de schizophrénie dits « réfractaires aux traitements » Toutefois, il est peu probable que ces interventions atteignent leur impact maximal, à moins que le personnel soignant ne s’inspire systématiquement des principes comportementaux dans leurs interactions constantes avec les patients tout au cours de la journée. Dans cet article, les auteurs décrivent certaines techniques interpersonnelles qui sont efficaces pour la gestion d’une gamme variée de comportements institutionnalisés/dépendants et provocateurs/agressifs. Chaque technique est expliquée et des exemples détaillés sont présentés, afin d’illustrer des réponses appropriées et inappropriées de la part du personnel soignant à l’égard des comportements des patients. La discussion conclut avec une description d’un contrat de comportement réussi qui s’inspire de certaines de ces techniques.
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 | 0.007 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| 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".