L’utilisation d’un modèle meaning-making en art-thérapie pour les enfants atteints de douleur chronique
Bibliographic record
Abstract
La douleur chronique juvénile est une expérience complexe ayant de nombreux impacts sur les plans physique, psychologique et psychosocial. Touchant près d’un enfant sur cinq au Canada, les deux tiers de ces jeunes continueront de souffrir à l’âge adulte (SKIP, 2021). En plus, seulement 5 à 15 % de ces jeunes reçoivent réellement des soins cliniques, alors que la littérature confirme qu’une prise en charge précoce et multidisciplinaire contribue à une meilleure qualité de vie pour ces enfants (Gouvernement du Canada, 2023). De plus, il existe très peu de ressources permettant d’offrir un soutien psychosocial, un besoin pourtant grandement exprimé. L’art-thérapie est une modalité thérapeutique flexible, alliant forces individuelles et créativité afin de pallier les manques psychosociaux nommés par la littérature. Ainsi, le but de ce travail de recherche est d’élaborer un cadre d’intervention en art-thérapie pour des jeunes vivant avec de la douleur chronique. Considérant que la douleur chronique peut engendrer de nombreuses pertes, cette recherche est informée par une théorie meaning-making, un concept récurrent dans les thérapies du deuil. La méthodologie choisie considère les premières étapes d’une recherche-intervention telle que conceptualisée par Fraser et Galinski (2009 ; 2010), soit la définition du problème, l’analyse de la littérature et la proposition d’une théorie du changement. Toute l’information est collectée et organisée de manière à déterminer une structure et les processus essentiels pour créer un cadre d’intervention. Bien que ce programme ne soit pas évalué et peaufiné dans un contexte pratique, il sert de guide et de plaidoyer pour quiconque voulant établir un programme ou intervenir auprès de cette population.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.007 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 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".