MétaCan
Menu
Back to cohort
Record W4382173517 · doi:10.7202/1098895ar

Violence conjugale commise et subie : profils personnologiques de personnes avec un trouble de personnalité limite

2023· article· fr· W4382173517 on OpenAlexaffvenue
Claudia Savard, Dominick Gamache, Maude Payant, Élodie Gagné-Pomerleau, Renée-Claude Dompierre, Johanne Maranda, Olivier Potvin, Mélissa Verreault, Marc Tremblay, David P. Roy, Évens Villeneuve

Bibliographic record

VenueSanté mentale au Québec · 2023
Typearticle
Languagefr
FieldSocial Sciences
TopicIntimate Partner and Family Violence
Canadian institutionsCentre intégré universitaire de santé et de services sociaux de la Capitale-NationaleCentres Intégré Universitaires de Santé et de Services SociauxUniversité du Québec à MontréalUniversité du Québec à Trois-RivièresUniversité Laval
Fundersnot available
KeywordsPsychologyHumanitiesArt

Abstract

fetched live from OpenAlex

Objectif Les troubles de la personnalité et la violence conjugale (VC) sont deux problématiques reconnues comme des enjeux majeurs en santé publique associées à de graves répercussions individuelles et sociétales. Plusieurs études ont documenté les liens entre le trouble de personnalité limite (TPL) et la VC, mais nous en connaissons très peu quant aux traits pathologiques spécifiques contribuant à la VC. L’étude vise à documenter le phénomène de VC commise et subie chez des personnes souffrant de TPL et à dresser des profils à partir des facettes de la personnalité du Modèle alternatif pour les troubles de la personnalité du DSM-5. Méthode Cent huit participants/participantes avec un TPL (83,3 % femmes ; Mâge = 32,39, É.-T. = 9) référées à un programme d’hôpital de jour à la suite d’un épisode de crise ont rempli une batterie de questionnaires comprenant les versions françaises du Revised Conflict Tactics Scales, évaluant la VC psychologique et physique, commise et subie, et du Personality Inventory for the DSM-5 — FacetedBrief Form, évaluant 25 facettes pathologiques de la personnalité. Résultats Parmi les participants/participantes, 78,7 % rapportent avoir déjà commis de la VC psychologique, alors que 68,5 % en auraient été victimes, ce qui est plus que les estimations publiées par l’Organisation mondiale de la santé (27 %). De plus, 31,5 % auraient commis de la VC physique, alors que 22,2 % en auraient été victimes. La VC semble bidirectionnelle puisque 85,9 % des personnes ayant commis de la VC psychologique rapportent aussi en subir et 52,9 % des personnes ayant commis de la VC physique rapportent en être également victimes. Des comparaisons de groupes non paramétriques indiquent que les facettes Hostilité, Méfiance, Duplicité, Prise de risques et Irresponsabilité distinguent les personnes violentes physiquement et psychologiquement des personnes non violentes. Des résultats élevés aux facettes Hostilité, Dureté/Insensibilité, Manipulation et Prise de risque caractérisent les participants/participantes victimes de VC psychologique, alors qu’une élévation aux facettes Hostilité, Retrait, Évitement de l’intimité et Prise de risque et un résultat faible à la facette Tendance à la soumission distinguent les participants/participantes victimes de VC physique des non-victimes. Des analyses de régression mettent en évidence que la facette Hostilité explique à elle seule une variance significative des résultats de VC commise, alors que la facette Irresponsabilité contribuerait de façon substantielle à la variance des résultats de VC subie. Conclusion Les résultats font état de la prévalence élevée de VC chez des personnes aux prises avec un TPL ainsi que de son caractère bidirectionnel. Au-delà du diagnostic de TPL, certaines facettes spécifiques de la personnalité (dont l’Hostilité et l’Irresponsabilité) permettent de cibler les personnes plus à risque de commettre de la VC psychologique et physique et d’en subir.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.006
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.010
Threshold uncertainty score0.019

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.006
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0020.001
Scholarly communication0.0010.001
Open science0.0000.002
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.000

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.

Opus teacher head0.032
GPT teacher head0.327
Teacher spread0.295 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations3
Published2023
Admission routes2
Has abstractyes

Explore more

Same venueSanté mentale au QuébecSame topicIntimate Partner and Family ViolenceFrench-language works237,207