La médicalisation de la détresse prémenstruelle et les injustices épistémiques
Bibliographic record
Abstract
La création récente du diagnostic de trouble dysphorique prémenstruel (TDPM) dans le DSM-5 a été contestée sous de multiples angles. Les principales critiques mettent en avant les lacunes en faveur de la validité du TDPM, ainsi que le risque de pathologisation et de stigmatisation des changements physiques et comportementaux vécus par les femmes pendant leur phase prémenstruelle. Pour éclairer cette controverse, j’emprunte certains outils du cadre conceptuel des injustices épistémiques (IE) développé par Miranda Fricker. Plus précisément, je vais me baser sur de récents travaux qui ont tenté d’appliquer ce cadre aux processus de catégorisation en médecine et en psychiatrie. Cela me permettra de mettre au jour un angle mort du débat actuel sur le TDPM, soit les perspectives des personnes touchées par ces symptômes. Ces points de vue ont été généralement négligés, mais le cadre des IE nous permet de recentrer le débat sur les intérêts et les besoins des personnes affectées par les processus de catégorisation psychiatrique.
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 | 0.017 | 0.032 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.005 | 0.049 |
| Scholarly communication | 0.007 | 0.009 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.006 | 0.013 |
| 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".