Facteurs associés à lâalliance thérapeutique en toxicomanie : \neffets modérateurs de la judiciarisation et des troubles sévères de santé mentale
Bibliographic record
Abstract
La toxicomanie a des répercussions importantes tant pour les individus qui en souffrent que pour la société en général (MSSS, 2007). L’efficacité des traitements offerts aux toxicomanes est toutefois affaiblie par la difficulté à maintenir et à engager en traitement cette clientèle (Meier et al., 2006). Dans ce contexte, et puisque la qualité de l’alliance thérapeutique est associée aux résultats et à la persévérance en traitement (Martin et al., 2000; Meier et al., 2005a), l’alliance qui se développe entre le client et le thérapeute en cours de thérapie peut être vue comme une piste de solution prometteuse pour améliorer l’efficacité des traitements de la toxicomanie. \n\nLa présente étude se propose d’identifier les facteurs associés à l’alliance thérapeutique développée par une clientèle toxicomane en traitement (n = 269). L’étude s’intéresse également à l’influence de doubles problématiques (toxico-justice, toxico-santé mentale) sur les relations existantes entre l’alliance et ces facteurs (effets modérateurs). Les liens entre l’alliance thérapeutique et différentes variables (santé mentale, consommation, satisfaction envers les services, motivation, soutien social, pressions légales) ont été examinés à l’aide d’analyses de régression hiérarchique. \n\nLes résultats indiquent que le profil de consommation évalué avant l’entrée en traitement covarie avec l’alliance thérapeutique. Les troubles cognitifs et la satisfaction envers les services sont les deux principales variables évaluées lors de la thérapie de groupe qui sont associées à l’alliance. Des effets modérateurs de la présence de problématiques associées à la toxicomanie (justice, santé mentale) sur la relation entre certaines variables indépendantes et l’alliance ont finalement été observés.
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 | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 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".