Stratégies d'intervention précoce dans la schizophrénie. Mise en place d'une unité d'intervention : revue de la littérature et applications
Bibliographic record
Abstract
Les maladies psychiatriques sont tres frequentes en population generale et en particulier a l’adolescence et au debut de l’âge adulte. La moitie des troubles psychiatriques emerge d’ailleurs avant les 14 ans et les trois quarts avant les 24 ans, periode critique du developpement. Leurs repercussions peuvent etre majeures aussi bien sur le fonctionnement global, que sur la morbidite et l’esperance de vie. Ces maladies representent un cout important pour la societe. Parmi elles, la schizophrenie et les troubles psychotiques sont au premier plan. Le concept de psychose a beaucoup evolue en un siecle et les etudes sur les phases precoces ont permis d’envisager une approche preventive : l’intervention precoce pour la psychose. Celle-ci permettrait de reduire la duree de psychose non traitee, qui est un facteur determinant pour le pronostic de ces pathologies et de prevenir et prendre en charge les comorbidites et cette intervention aurait un bon rapport cout efficacite. Des freins existent neanmoins a la mise en place de ce type de soins. Objectif : l’objectif principal est d’observer dans la litterature des strategies d’implantation. L’objectif secondaire est d’essayer de determiner si des specificites existent pour les secteurs ruraux. Materiel et Methode : une revue de la litterature a ete realisee sur les articles publies sur Pubmed du 01/01/2000 au 31/12/2019, portant sur l’intervention precoce dans la schizophrenie et plus particulierement ceux decrivant les strategies d’implantation des unites. Les articles inclus devaient etre en anglais ou en francais et etaient enregistres comme recherche originale. Resultats : 32 articles ont ete retenus au terme de 2 selections. La majorite des articles avaient moins de 10 ans, ils provenaient majoritairement du Canada, d’Australie, d’Allemagne, d’Angleterre et de Scandinavie. L’âge moyen de debut de prise en charge etait de 15 ans et celui de fin de prise en charge etait de 37 ans. Les actions retrouvees etaient : des campagnes d’information, la plupart multimodales, la creation de reseaux de partenariat (parmi lesquels les medecins generalistes, les psychiatres et l’ecole prenaient une place majeure), des formations adressees aux partenaires avec pour themes majeurs les prodromes et les modes d’adressage aux unites d’intervention. Les outils de detection employes etaient la CAARMS, le SIPS SOPS, l’ERIraos et le SPI-A, des outils de depistage pouvaient etre employes en amont. Une evaluation large etait realisee en parallele. En zone rurale, les deux specificites qui ressortaient etaient la creation d’equipes mobiles ou d’equipes de liaison avec les acteurs locaux. Toutes ces donnees etaient coherentes avec la litterature. Conclusion : ces questionnements se posent dans le cadre du developpement de notre unite de Rehabilitation psychosociale situee a Evreux et fondee en 2016. Il nous a tres vite semble evident d’y developper ce type d’intervention et nous avons ete amenes a effectuer des actions envers le grand public et les partenaires possibles. Les donnees retrouvees dans la litterature nous permettront d’aller plus loin dans ce sens et de continuer a developper notre offre de soin.
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 | 0.012 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 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".