Les variables cognitives associées au trouble obsessionnel-compulsif
Bibliographic record
Abstract
Malgré le fait que les traitements basés sur l'exposition et la prévention de réponse ont clairement démontré leur efficacité avec le Trouble Obsessionnel- Compulsif (TOC), les résultats cliniques avec cette combinaison sont loin d'être optimaux. La thérapie cognitive pour le TOC est prometteuse. Les quatre études présentées ici ont pour but d'approfondir la compréhension des variables cognitives associées au TOC. La première étude appuie empiriquement le lien entre la surestimation du danger, la responsabilité et le perfectionnisme et les symptômes obsessionels-compulsifs (OC). La deuxième étude démontre que la correction des croyances idéographiques sans aucune forme d’exposition ou de prévention de réponse représente un traitement efficace avec les vérificateurs compulsifs. La troisième étude suggère qu'au moins un des mécanismes impliqués dans le traitement cognitif et le traitement comportemental impliquerait la précédence d'un changement cognitif sur la diminution de symptômes. Utilisant la même méthodologie, la quatrième étude démontre les liens bidirectionnels entre les états émotionnels indépendants, les cognitions et les symptômes. De plus, cette étude suggère que le processus de changement entre ces trois variables pourrait être différent chez les patients qui répondent bien ou non au traitement. Ces quatre études fournissent un appui empirique aux modèles théoriques formulés pour expliquer le TOC. Elles comportent également des implications cliniques considérables.
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 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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.
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".