Application et efficacité d'une thérapie basée sur les inférences auprès d'une population d'accumulateurs compulsifs: une étude de cas clinique
Bibliographic record
Abstract
Les personnes souffrant du trouble d’accumulation compulsive d’objets sont nombreuses. Selon les etudes, il y aurait environ 4% de la population qui aurait ce trouble (Samuels et al., 2008). L’impact sur leur vie est grand pouvant mener notamment a des divorces, des pertes d’emploi ainsi qu’a des troubles de sante mentale et physique (Frost et al., 2000; Frost et Gross, 1993; Frost et Hartl, 1996; Tolin, Frost, Steketee, Gray et Fitch, 2008). Plusieurs traitements ont ete essayes aupres de cette population, dont la therapie cognitive comportementale adaptee aux accumulateurs. Toutefois, les succes therapeutiques demeurent modestes, les accumulateurs compulsifs etant une population refractaire aux traitements (Steketee, Frost, Tolin, Rasmussen, Brown, 2010). C’est ce qui a mene le chercheur Kieron O’Connor a vouloir adapter sa therapie cognitive, la therapie basee sur les inferences, a cette population clinique. L’objectif de cet essai doctoral etait d’evaluer l’application d’une therapie basee sur les inferences aupres d’une population d’amasseurs compulsifs. Une etude sur dossier a ete faite a partir de 9 participants ayant suivi une therapie basee sur les inferences au Centre de Recherche de l’Institut Universitaire en Sante Mentale de Montreal entre 2003 et 2014. Deux participants ayant eu une amelioration de leurs symptomes d’accumulation ont ete illustres plus en details sous forme de cas clinique. Une diminution cliniquement significative des symptomes d’accumulation tels que mesures par le Y-BOCS a ete observee chez 66% des participants (n=9). Quatre de ceux-ci avaient des symptomes sous-cliniques en fin de therapie et un des symptomes legers d’accumulation. Une diminution cliniquement significative de leurs symptomes depressifs tels que mesures par le BDI a ete vue chez 56% des participants et 33% ont vu leurs symptomes anxieux diminuer. Deux personnes ont vu leurs processus inferentiels diminuer d’au moins 35%. Une taille d’effet de 0,8 a ete trouvee pour le Y-BOCS, de 0,3 pour le BDI et de 0,2 pour le BAI.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".