Réhabilitation cognitive de la schizophrénie : une approche pragmatique du processus d’intégration pour lutter contre les symptômes réfractaires
Bibliographic record
Abstract
Les approches classiques de traitement des personnes présentant une schizophrénie s’accordent pour reconnaître que réussir à soigner cette condition requiert davantage qu’une simple réduction de fréquence, d’intensité et de durée des symptômes positifs tels que des hallucinations. En fait, une approche plus complète, dont le but est de réduire l’incapacité s’avère indiquée dans la plupart des cas (Silverstein et al., 2000). Il a été récemment proposé que les nouvelles approches en réhabilitation cognitive de la schizophrénie requièrent la reconnaissance de l’importance de 1) systématiquement aborder la motivation, l’estime de soi, et les facteurs affectifs au moment de concevoir des interventions qui augmentent la cognition ; 2) la nécessité d’aller au-delà des interventions « à taille unique » et de développer des traitements spécifiques à l’individu ; 3) la nécessité d’aborder les anomalies de l’expérience du soi lors de la conception même des interventions d’optimisation des accomplissements cognitifs et comportementaux. L’étude de cas présentée ci-dessous est un exemple d’une approche de la réhabilitation cognitive de la schizophrénie qui tente de promouvoir le processus d’intégration de soi par le recours à une gamme d’interventions spécifiques, en relation avec les trois caractéristiques notées plus haut. Les résultats préliminaires suggèrent que cette approche pourrait être grandement profitable aux patients souffrant de schizophrénie.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.002 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.003 | 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".