Un nouveau modèle d’intervention de crise appliqué en contexte d’hébergement
Bibliographic record
Abstract
Au Québec, l’intervention de crise est teintée d’un historique politique et institutionnel. Suite à la désinstitutionnalisation hospitalière, entreprise dans les années 1970, les centres de crise ont vu le jour au milieu des années 1980 dans un effort de désengorgement des urgences des hôpitaux offrant des services en psychiatrie. Presque 30 ans après la création des centres de crise, il importe de bien connaître l’intervention de crise et sa typologie, les bases de l’intervention ainsi que ses étapes, et le portrait de la clientèle qui utilise ces services, et les problématiques pour lesquelles ces personnes les consultent. Par ailleurs, qu’en est-il des techniques d’intervention actuelles ? Se basent-elles encore et principalement sur le modèle d’intervention élaborée par le psychiatre Gerald Caplan et ses successeurs, une approche qui se veut cognitive et axée sur les capacités de résolution de problème des individus ? Selon les auteures Suzanne Larose et Marie Fondaire (2011), une dimension systémique doit être ajoutée à l’intervention en situation de crise. Elles ont donc élaboré un nouveau modèle qu’elles présentent dans leur livre intitulé : Détresse psychologique en situation de crise. Ainsi, au-delà du modèle classique, ces auteures présentent une perspective intéressante pour un stage spécialisé en intervention en situation de crise. C’est pourquoi nous avons choisi de l’utiliser et de présenter des études de cas en fonction de leurs critères. Selon le type, la gravité et l’urgence de la crise, certaines personnes sont invitées à séjourner pendant quelque temps au sein des résidences thérapeutiques des centres de crise. À cet égard, comment décide-t-on de la durée optimale du séjour pour chacun des usagers afin d’assurer le rétablissement de cette personne, qu’elle ait retrouvé un équilibre et acquis des compétences d’adaptation lui permettant de faire face à des situations de crise futures ? Voilà quelques questions que nous nous sommes posées sur la pratique de l’intervention en situation de crise et auxquelles cet essai de stage spécialisé cherche à répondre à l’aide d’une réflexion théorique basée sur le modèle de Suzanne Larose et Marie Fondaire (2011).
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.007 | 0.014 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.020 | 0.002 |
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".