Détection et intervention précoce pour la psychose : pourquoi et comment ?
Bibliographic record
Abstract
Objectifs Cet article vise à résumer les étapes déterminantes du développement du modèle de détection et d’intervention précoce pour la psychose des 30 dernières années, et à recenser les écrits fondamentaux permettant d’identifier ses composantes essentielles et son efficacité.Méthode Revue narrative de la littérature portant sur le développement international du modèle et contribuant à préconiser cette approche d’intervention chez les jeunes souffrant d’un premier épisode psychotique (PEP). Elle porte également sur diverses lignes directrices internationales et canadiennes révélant le consensus sur les composantes essentielles du modèle des programmes d’intervention pour premiers épisodes psychotiques (PPEP) et sur leur efficacité. Les enjeux et solutions pratiques pour faciliter l’implantation des différentes composantes essentielles seront présentés. L’accent est mis plus particulièrement sur le développement des PPEP dans le contexte québécois.Résultats Les PPEP, appuyés sur un modèle développé au début des années 1990, sont aujourd’hui disséminés mondialement et déployés à grande échelle dans certains endroits, tels qu’au Royaume-Uni et au Québec. Leur propagation progressive a été favorisée par les efforts déployés pour en déterminer les objectifs principaux et les composantes essentielles pour atteindre ces objectifs, et par plusieurs études démontrant leur efficacité.Parallèlement au changement de philosophie, vers une vision plus optimiste et nourrissant l’espoir, les PPEP ont mis l’accent sur 2 objectifs interreliés : réduire les délais de traitement (ou la durée de psychose non traitée) et maximiser l’engagement au suivi spécialisé adapté aux besoins spécifiques des jeunes sur le plan développemental et en fonction du stade du trouble psychotique. Une méta-analyse (2018) démontre la supériorité des PPEP comparativement au traitement usuel notamment sur le nombre d’hospitalisations, de rechutes symptomatiques, l’arrêt de traitement, le fonctionnement vocationnel et social. S’appuyant sur ces études et des consensus d’experts, plusieurs juridictions à travers le monde ont développé des lignes directrices afin d’assurer le respect de ces composantes essentielles associées à l’efficacité de l’intervention, tout en considérant la réalité de leur territoire. Parmi ces composantes sont priorisées : un accès rapide et facile, des soins et services adaptés aux jeunes, des interventions de proximité permettant la détection et la référence précoces, une pluralité d’interventions biopsychosociales (pharmacothérapie, psychothérapie cognitivo-comportementale, éducation psychologique, interventions familiales, interventions intégrées pour l’abus de substances, soutien à l’emploi et à l’éducation), une approche de prise de décision partagée et l’approche de case management intensif adaptée aux PEP, dans une équipe interdisciplinaire. L’évaluation continue des services éclaire les décisions cliniques et d’amélioration de la qualité des soins.Conclusion Le modèle PPEP s’est développé progressivement et la recherche en a démontré l’efficacité. Une dissémination du modèle doit être fidèle aux valeurs fondamentales et aux différentes composantes essentielles pour en assurer l’efficacité et instiller l’espoir d’un rétablissement possible pour ces jeunes et leurs familles.
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 | 0.068 | 0.129 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.008 | 0.009 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.010 | 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".