La psychothérapie interpersonnelle (PTI) pour le traitement du trouble de stress post-traumatique (TSPT)
Bibliographic record
Abstract
Parmi les nombreuses modifications apportées à la psychothérapie interpersonnelle (PTI) et à toutes ses applications, c’est son utilisation dans le traitement du traumatisme psychologique qui s’avère le plus complexe. La littérature anglo-américaine définit habituellement le traumatisme psychologique comme étant le trouble de stress post-traumatique (TSPT). Malgré l’attention portée au TSPT par la littérature scientifique, le traumatisme psychologique engendre des perturbations profondes de l’humeur, de la régulation de l’affect, du concept de soi et de l’ajustement interpersonnel, ainsi qu’une profonde crise existentielle dans la vie des personnes qui en sont affligées. Aucune thérapie psychologique ne peut donc prétendre « traiter » tous les aspects d’un stress psychologique traumatique. En étant axée sur l’individu et sur l’expérience de son monde interpersonnel, la PTI offre un cadre assez large pour une intervention psychologique qui, bien que destinée à soulager la détresse, aborde des questions qui ne le sont habituellement pas dans d’autres traitements axés sur les symptômes. Dans cet article, l’auteur tente de mettre en évidence les arguments en faveur du recours à la PTI pour le traitement de traumatismes psychologiques et de TSPT, puis il présentera quelques exemples de son utilité dans un environnement clinique.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".