Réduction diagnostique en psychiatrie : enjeux éthiques et implications pour la clinique
Bibliographic record
Abstract
Cet article aborde le thème de la réduction diagnostique en psychiatrie, un processus par lequel des situations forcément complexes et multifactorielles sont réduites à des conditions médicales. Ce processus présente des écueils évidents, mais aussi certaines fonctions, notamment celle de circonscrire ce sur quoi porte légitimement ou non le jugement psychiatrique. Nous discuterons parallèlement des distinctions entre souffrance narrative et pathologique, ainsi que des jugements moraux et médicaux qui peuvent leur être associés. Ceci mènera à argumenter en faveur d’une attitude pragmatique par rapport à la classification diagnostique psychiatrique, c’est-à-dire par rapport au vocable standardisé servant à catégoriser et identifier les troubles dits de santé mentale. Nous dégagerons par la suite des implications pour la pratique clinique, notamment qu’une discussion transparente de ces aspects avec certains patients peut bénéficier à la relation thérapeutique et permettre aux personnes atteintes de troubles mentaux d’envisager un narratif qui n’ait pas à se limiter à une condition psychiatrique ni à se constituer par le rejet de cette dernière, mais puisse lui laisser une place légitime. Ultimement, nous souhaitons que la sensibilisation des cliniciens aux enjeux éthiques inhérents au diagnostic psychiatrique permette de limiter le caractère potentiellement péjoratif et déshumanisant de la réduction diagnostique, en leur permettant d’adopter des attitudes réflexives et transparentes sur ces questions.
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 | 0.067 | 0.082 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.010 | 0.071 |
| Scholarly communication | 0.016 | 0.015 |
| Open science | 0.003 | 0.014 |
| Research integrity | 0.007 | 0.016 |
| Insufficient payload (model declined to judge) | 0.005 | 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".