La violence chez les personnes ayant des troubles mentaux : éclaircir les liens entre les troubles mentaux graves, les troubles de personnalité et les abus de substances
Bibliographic record
Abstract
La violence cause un grave fardeau de santé publique et entraine plusieurs répercussions à la société, dont des coûts énormes. Les troubles mentaux graves (TMG), les troubles de personnalité (TPs), et les troubles liés à l’usage de substances (TLUS) sont à risque de passage à l’acte violent entrainant de nombreuses conséquences négatives incluant l'hospitalisation en milieu psychiatrique et l'incarcération. La relation entre les problèmes de santé mentale et la violence est d’autant plus complexifiée par la présence de comorbidités distinctes qui augmente le risque de comportements agressifs. Il importe de mener de recherches plus robustes avec des définitions standardisées de la violence afin de spécifier et d’éclaircir la relation entre la violence et les TMG, les TPs ainsi que les TLUS. À cet égard, ce projet vise à : (1) déterminer la pertinence clinique du Life History of Aggression (LHA), soit une échelle évaluant les antécédents de comportements agressifs, (2) approfondir la connaissance sur l’association entre les problèmes de santé mentale et les comportements violents et (3) investiguer l’effet de la consommation du cannabis sur la violence chez les personnes atteintes de troubles mentaux. Pour ce faire, différentes approches méthodologiques ont été utilisées et les participants ont été recrutés parmi une variété de milieux de soins psychiatriques ou d’incarcération. Nos trois articles ont montré plusieurs résultats intéressants. En premier lieu, l’étude 1 a montré que la version française du LHA est un questionnaire valide basé sur la cohérence interne, la validité de construit, la fidélité test-retest et la validité de convergence. Cet instrument pourrait donc être utilisé en pratique clinique pour évaluer la violence à vie à travers différents diagnostics. En second lieu, l’étude 2 a permis de différencier six profils caractérisés par des constellations pathologiques spécifiques de traits de personnalité (antisociaux, limites et narcissiques), de TLUS (stimulants, alcool et cannabis), de TMG en lien avec des patrons de comportement violents distincts. En troisième lieu, l’étude 3a montré la présence d’une relation linéaire entre la consommation persistante de cannabis et le passage à l’acte violent. Cette relation fut maintenue en ajustant pour des facteurs confondants potentiels tels que l’usage d’autres substances (alcool et cocaïne). Enfin, ce mémoire a permis d’approfondir la réflexion sur divers facteurs de risque de la violence chez des populations à risque élevées ayant des TMG, des TPs et/ou des TLUS. Ultimement, cela a pour but d’améliorer la mise en place d’interventions préventives et l’implémentation de traitements adaptés afin de réduire le passage à l’acte violent.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".