Une intervention cognitive comportementale de groupe pour prévenir les rechutes chez les employés en processus de retour au travail à la suite d’une dépression : protocole et faisabilité
Bibliographic record
Abstract
La dépression est une des causes d’absence maladie (ou arrêt maladie) les plus fréquentes en milieu organisationnel. Plusieurs études se sont intéressées aux facteurs individuels, organisationnels, et ceux relatifs aux interventions qui peuvent prédire le retour au travail des personnes ayant vécu une dépression. Toutefois, peu d’études s’intéressent à la prévention des rechutes de dépression à la suite d’un retour au travail, alors que plus de la moitié des personnes ayant vécu une première dépression est à risque de faire une rechute dans un délai assez court. Objectif Cet article présente le protocole de recherche relatif à une intervention de groupe novatrice, d’orientation cognitive comportementale, en vue d’optimiser la santé mentale des employés lors de leur retour au travail et ainsi diminuer d’éventuelles rechutes. Nous visons aussi à présenter la faisabilité de cette approche. Méthode L’étude consiste en un essai pilote randomisé avec groupe contrôle dont la moitié des participants (n = 25) suit l’intervention de groupe et l’autre moitié (n = 25) reçoit les services/interventions usuels. Les bases théoriques et empiriques soutenant l’intervention proposée ainsi qu’une description de l’intervention et des objectifs de l’étude sont ici présentées. Résultats Nous décrirons succinctement les propos tenus par les participants des deux premières cohortes concernant leur appréciation à l’égard de l’intervention de groupe. Conclusion Enfin, les retombées d’une telle intervention seront aussi évoquées.
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 | 0.021 | 0.038 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.005 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.005 | 0.005 |
| Insufficient payload (model declined to judge) | 0.034 | 0.004 |
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".