L’impact des troubles de l’humeur sur le devenir à 12 mois de patients en demande de traitement pour un trouble lié au jeu d’argent / The effect of mood disorders on outcome at 12 months on patients seeking treatment for a gambling disorder
Bibliographic record
Abstract
Les troubles addictifs et de l’humeur sont fréquemment cooccurrents. Le trouble lié au jeu d’argent est ainsi souvent accompagné de troubles de l’humeur, notamment d’épisode dépressif majeur, de trouble bipolaire ou de comportement suicidaire. De nombreuses études ont observé leur association, évalué leur prévalence et leur chronologie d’apparition, mais peu ont exploré l’impact d’un trouble de l’humeur, ou thymique, sur l’évolution du trouble lié au jeu d’argent. L’objectif de cette étude était d’évaluer le devenir à 1 an (rémission précoce) d’une cohorte de joueurs pathologiques traités, en fonction de la présence ou non d’antécédents de trouble de l’humeur à l’inclusion. Dans cette étude longitudinale monocentrique, le trouble lié au jeu d’argent et les troubles thymiques ont été évalués à l’inclusion et 12 mois après, au cours d’un entretien clinique standardisé. Près de 100 patients (N = 94, 45 sans trouble de l’humeur et 49 avec trouble de l’humeur) se sont présentés aux 2 visites. À 1 an, une rémission précoce du trouble lié au jeu d’argent a été observée chez 42 patients, avec un taux de rémission de 39 % en cas de présence et de 51 % en cas d’absence d’antécédent de trouble de l’humeur. Nous n’avons pas démontré qu’un antécédent de trouble de l’humeur à l’inclusion était un facteur prédictif de la rémission précoce du trouble lié au jeu d’argent. Le potentiel manque de puissance de notre étude peut expliquer ce résultat. Cependant, les prédicteurs de rémission précoce identifiés dans cette étude étaient la vie en couple, l’absence de trouble anxieux et l’absence de trouble lié à la consommation d’alcool.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".