84 research outputs found
Navigating the Maze of Social Media Disinformation on Psychiatric Illness and Charting Paths to Reliable Information For Mental Health Professionals
No full textThis study aims to investigate the spread and impact of disinformation on mental health on social media, specifically TikTok, and to develop strategies for mental health professionals to access reliable information. Disinformation about health on social media, including untested remedies and conspiracy theories, undermines public trust and health, making the fight against false information critical, especially during health emergencies. The project will analyze 1000 publicly available TikTok videos related to mental health, using specific inclusion criteria, without requiring ethics board approval since the videos are in the public domain. The study will collect data on video-related elements, fake news elements, and clinical psychiatric elements, ensuring a comprehensive analysis. Descriptive statistical analysis and qualitative content analysis will be conducted to identify disinformation trends and themes from viewers' perspectives. The study anticipates no risks, as all data are publicly accessible, and aims to enhance the ability of viewers to critically assess psycho-educational videos on mental health. The results will be shared in academic settings and aim to provide recommendations for creating informed and supportive online communities around psychiatry. The research team, led by Dr. Alexandre Hudon, comprises psychiatry professionals from Université de Montréal, ensuring the project's feasibility and integrity
Guider les thérapeutes dans l'amélioration de la réponse thérapeutique d'un patient à l'aide de l'intelligence artificielle pour la thérapie par Avatar
No full textDans le contexte de la psychiatrie moderne, les troubles de santé mentale graves et persistants, notamment la schizophrénie, présentent des défis thérapeutiques considérables. La schizophrénie, en particulier, impacte profondément le fonctionnement des individus, notamment à travers des symptômes tels que les hallucinations. Ces manifestations peuvent affecter de manière délétère les interactions interpersonnelles des patients, leur régulation émotionnelle et sont associées à un taux de suicide nettement supérieur à celui de la population générale. Face à la résistance aux traitements psychopharmacologiques de première ligne, des thérapies non-pharmacologiques ont été développées, dont la thérapie par Avatar (TA) en réalité virtuelle (RV), qui permet aux patients souffrant d'hallucinations auditives résistantes aux médicaments d'interagir avec une représentation en 3D de leur voix perturbatrice. Bien que cette thérapie ait montré une réduction des hallucinations et une amélioration de la qualité de vie, certains patients restent réfractaires, ce qui pose des défis dans leur prise en charge.
L'utilisation de données quantitatives en médecine a amélioré les approches thérapeutiques pour les patients présentant des troubles complexes. Les thérapeutes s'appuient sur des outils numériques basés sur des algorithmes mathématiques pour guider leur prise de décision clinique. L'intelligence artificielle, notamment l'apprentissage machine, se développe en médecine clinique pour aider les thérapeutes à prédire l'évolution des patients et à choisir le traitement approprié. Cependant, en psychiatrie, où les modèles biopsychosociaux sont prédominants, l'utilisation de données quantitatives dans les interventions psychothérapeutiques est moins courante. Les thérapeutes s'appuient souvent sur des guides de pratique génériques et leur expérience clinique, ce qui peut être insuffisant, particulièrement pour les patients atteints de schizophrénie réfractaire à la médication.
Cette thèse vise à intégrer les principes de l'intelligence artificielle dans la thérapie par Avatar pour améliorer la réponse thérapeutique des patients souffrant de schizophrénie avec des hallucinations auditives réfractaires aux médicaments. Elle se concentre sur cinq sous-objectifs : l'utilisation de l'intelligence artificielle pour prédire les issues cliniques des patients atteints de troubles mentaux graves, l'évaluation des possibilités d'intégration de l'IA en psychothérapie, l'utilisation de l'apprentissage machine dans la TA pour l'annotation automatique des séances, l'intégration des algorithmes d'apprentissage machine pour prédire la réponse des patients à la TA, et l'identification des facteurs prédictifs multimodaux améliorant la prédiction des issues cliniques.
La première partie de la thèse concerne une étude transversale utilisant l'apprentissage machine pour identifier des facteurs prédicteurs de violence chez des patients souffrant de troubles mentaux graves, en se concentrant sur les liens entre la consommation de cannabis et la violence. Les résultats indiquent que l'utilisation du cannabis est un prédicteur clé de la violence.
La deuxième partie évalue l'intégration de l'IA en psychothérapie, à travers deux revues de littérature. La première examine l'utilisation de l'apprentissage machine sur des petites bases de données pour l'annotation automatisée des transcriptions de séances thérapeutiques. La seconde se concentre sur l'utilisation de l'IA, notamment les réseaux neuronaux, en psychothérapie clinique.
La troisième partie explore l'utilisation de l'apprentissage machine dans la TA, en comparant différents algorithmes pour la classification automatisée des interactions thérapeutiques et en utilisant des techniques d'apprentissage non-supervisé pour identifier des groupes d'interactions.
La quatrième partie s'appuie sur les précédentes pour intégrer des algorithmes d'apprentissage machine afin de prédire la réponse clinique des patients à la TA, en se basant sur les interactions thérapeutiques lors de la première séance de thérapie immersive.
Enfin, la cinquième partie présente deux études supplémentaires : une sur l'identification des émotions dans la TA et une autre sur le concept de dyades thérapeutiques, illustrant l'importance de la relation entre le thérapeute et le patient dans la TA.
En conclusion, cette thèse apporte une contribution significative à la compréhension des processus thérapeutiques dans la TA via l'intelligence artificielle, en ouvrant la voie à des approches personnalisées basées sur des modèles mathématiques pour améliorer la prise en charge des patients atteints de schizophrénie réfractaire.In the context of modern psychiatry, severe and persistent mental health disorders, particularly
schizophrenia, present significant therapeutic challenges. Schizophrenia profoundly impacts the
functioning of individuals, especially through symptoms like hallucinations. These manifestations
can detrimentally affect the interpersonal interactions of patients, their emotional regulation,
and are associated with a suicide rate significantly higher than that of the general population.
Faced with resistance to first-line psychopharmacological treatments, non-pharmacological
therapies have been developed, including Avatar Therapy (TA) in virtual reality (RV), which allows
patients suffering from medication-resistant auditory hallucinations to interact with a tridimensional representation of their most disturbing voice. Although this therapy has shown a
reduction in hallucinations and an improvement in the quality of life, some patients remain
refractory, posing challenges in their management.
The use of quantitative data in medicine has improved therapeutic approaches for patients with
complex disorders. Therapists rely on digital tools based on mathematical algorithms to guide
their clinical decision-making. Artificial intelligence, particularly machine learning, is currently
developing in clinical medicine to help therapists predict patients' outcomes and choose
appropriate treatments. However, in psychiatry, where biopsychosocial models are predominant,
the use of quantitative data in psychotherapeutic interventions is less common. Therapists often
rely on generic practice guidelines and their clinical experience, which may be insufficient,
especially for patients with medication-refractory schizophrenia.
This thesis aims to integrate the principles of artificial intelligence into Avatar Therapy to improve
the therapeutic response of patients suffering from schizophrenia with medication-resistant
auditory hallucinations. It focuses on five sub-objectives: using artificial intelligence to predict
clinical outcomes of patients with severe and persistent mental disorders, evaluating the
possibilities of integrating AI in psychotherapy, using machine learning in AT for the automated
annotation of sessions, integrating machine learning algorithms to predict patients' responses to AT, and identifying multimodal predictive factors to improve the prediction of clinical outcomes.
The first part of the thesis involves a cross-sectional study using machine learning to identify
predictors of violence in patients with severe and persistent mental disorders, focusing on the
links between cannabis use and violence. The results indicate that cannabis use is a key predictor
of violence. The second part assesses the integration of AI in psychotherapy through two
literature reviews. The first review examines the use of machine learning on small datasets for
the automated annotation of therapeutic session transcripts. The second focuses on the use of
AI, particularly neural networks, in clinical psychotherapy.
The third part explores the use of machine learning in AT, comparing different algorithms for the
automated classification of therapeutic interactions and using unsupervised learning techniques
to identify groups of interactions. The fourth part builds on the previous ones to integrate
machine learning algorithms to predict the clinical response of patients to AT, based on the
therapeutic interactions during the first immersive therapy session. Finally, the fifth part presents
two additional studies: one on identifying emotions in AT and another on the concept of
therapeutic dyads, illustrating the importance of the relationship between the therapist and the
patient in AT.
In conclusion, this thesis makes a significant contribution to understanding the therapeutic
processes in AT through artificial intelligence, paving the way for personalized approaches based
on mathematical models to improve the management of patients with medication-refractory
schizophrenia
Les pratiques commerciales et l'influence sociale de l'élite marchande sur le développement du village d'Arthabaska (1853-1890)
No full textL'objectif principal de ce mémoire est de mettre en lumière les différents champs d'interventions d'une élite marchande et d'apprécier du fait même, les manifestations de son influence à l'intérieur du village d'Arthabaska dans la deuxième moitié du XIXe siècle. Pour ce faire, le premier chapitre de ce mémoire sera entièrement consacré au contexte historique et géographique à l'intérieur duquel la petite bourgeoisie marchande a évolué. Nous aborderons les sujets suivants: la formation du canton d'Arthabaska, l'occupation du territoire, la genèse du village d'Arthabaska, les caractéristiques culturelles et socio-professionnelles des habitants du village, l'économie, ainsi que les institutions villageoises. À l'intérieur du deuxième chapitre, nous définirons le rôle du marchand rural dans son environnement pour ainsi mettre en lumière ses activités économiques reliées au commerce au détail et au crédit. Finalement, le troisième chapitre de ce mémoire portera sur les autres activités parallèles affiliées aux domaines forestier, minier, foncier et des transports. On y traitera également de l'intervention des marchands à l'intérieur des institutions municipales ainsi que de leur implication dans le domaine socio-politique du village
Les pratiques commerciales et l'influence sociale de l'élite marchande sur le développement du village d'Arthabaska (1853-1890)
No full textL'objectif principal de ce mémoire est de mettre en lumière les différents champs d'interventions d'une élite marchande et d'apprécier du fait même, les manifestations de son influence à l'intérieur du village d'Arthabaska dans la deuxième moitié du XIXe siècle. Pour ce faire, le premier chapitre de ce mémoire sera entièrement consacré au contexte historique et géographique à l'intérieur duquel la petite bourgeoisie marchande a évolué. Nous aborderons les sujets suivants: la formation du canton d'Arthabaska, l'occupation du territoire, la genèse du village d'Arthabaska, les caractéristiques culturelles et socio-professionnelles des habitants du village, l'économie, ainsi que les institutions villageoises. À l'intérieur du deuxième chapitre, nous définirons le rôle du marchand rural dans son environnement pour ainsi mettre en lumière ses activités économiques reliées au commerce au détail et au crédit. Finalement, le troisième chapitre de ce mémoire portera sur les autres activités parallèles affiliées aux domaines forestier, minier, foncier et des transports. On y traitera également de l'intervention des marchands à l'intérieur des institutions municipales ainsi que de leur implication dans le domaine socio-politique du village
Utilisation des services de santé chez les aînés ayant un trouble cognitif sans démence et influence de la dépression et de l’anxiété: une étude longitudinale
No full textObjectifs: Peu de données objectives et représentatives au niveau national rapportent l’influence d’un trouble cognitif sans démence (cognitive impairment no dementia; CIND) sur l’utilisation des services de santé. L’objectif principal de l’étude était de comparer sur une période de trois ans le patron d’utilisation des services de santé des aînés ayant un CIND prévalent ou incident à celui des aînés sans CIND. Un deuxième objectif était d’examiner l’effet modérateur de la dépression et de l’anxiété sur l’utilisation des services. Méthode: Des données ont été recueillies auprès d’un échantillon de 2265 personnes âgées vivant dans la communauté de la province de Québec. Le CIND était apparié aux données médicales (utilisation des services de santé) de la Régie d’assurance maladie. Des régressions logistiques multinomiales ajustées pour l’influence de plusieurs variables sociodémographiques, de santé et du réseau social ont été réalisées pour chaque service de santé. L’effet de l’interaction entre le CIND et la dépression/anxiété était également examiné. Résultats principaux: Le CIND prévalent était associé à un plus grand nombre de jours de consommation d’un anxiolytique/sédatif/hypnotique. Le CIND incident menait à de plus longues hospitalisations. La dépression augmentait la probabilité de consulter un gériatre, un psychiatre ou un neurologue, de même que de se rendre à l’urgence. Toutefois, la dépression diminuait la probabilité de consulter un médecin généraliste. La présence de dépression ou d’anxiété, couplée à un CIND incident, n’augmentait pas la probabilité de consommer un antidépresseur, alors que la présence de CIND sans ces conditions psychiatriques augmentait cette probabilité. Discussion: En comparaison aux personnes âgées ayant un fonctionnement cognitif normal, les aînés ayant un CIND ont un patron d’utilisation des services de santé distinct. L’évaluation de la cognition et des conditions psychiatriques à des moments clés pourrait favoriser une utilisation plus optimale de certains services de santé.Objectives: Little objective and nationally representative data are available concerning the influence of cognitive impairment no dementia (CIND) on utilization of healthcare services. The main objective was to compare the use of healthcare services over three years, between elders with current or incident CIND and those without CIND. A second objective was to evaluate the moderating effect of depression and anxiety on utilization of healthcare services. Methods: Cross-sectional and longitudinal data from a population-based survey of 2265 older adults living in Quebec were used. CIND was linked with medical records from public health insurance plan. Multinomial logistic regressions adjusted for relevant socio-demographic, social network and health-related confounders were conducted for each service. Interaction between CIND and depression/anxiety was also examined. Main results: Current CIND was a predictor of longer anxiolytic/sedative/hypnotic medication use. Incident CIND led to longer hospital stay. Depression raised the likelihood of frequenting geriatricians, psychiatrists or neurologists and emergency department, but lessened the likelihood of visiting general practitioners. The addition of the psychiatric conditions to the incident CIND did not increase the likelihood of consuming antidepressants, while the incident CIND cases without psychiatric conditions increased this likelihood. Discussion: Compared to older adults without CIND, older adults with CIND have a distinct utilization of healthcare services. Evaluation of cognition and psychiatric conditions at key moments could allow a more efficient use of health resources
Navigating the Maze of Social Media Disinformation on Psychiatric Illness and Charting Paths to Reliable Information For Mental Health Professionals
No full textFactors considered for the assessment of danger in Administrative Courts : A Scoping Review
No full textIn Canada, when patients are found not criminally responsible for an offense due to a mental disorder, they come under the jurisdiction of an administrative tribunal (s. 672.121, Criminal Code, 1985). This body is responsible for determining the necessary oversight for the patient, with the option to order one of four statuses: strict detention, detention with conditions, conditional release, or unconditional release. This decision balances the importance of ensuring public safety while offering the patient as much freedom as possible. The treatment team for these patients must conduct an annual assessment of the risk of violence to recommend tightening or loosening of oversight measures. For this purpose, the factors used in these assessments vary, and there are several reasons for wanting to inventory these.
Several studies show that the use of standardized risk assessment tools is rarely presented at the hearings of Canadian administrative tribunals (Côté et al. 2012, Crocker et al. 2014, Wilson et al. 2015). Among others, a study published by the group of Crocker et al. (2014) showed that of 6,743 hearings reviewed in three Canadian provinces, only 17% mentioned a risk assessment tool. Another study using the same sample concluded that less than half of the items from the HCR-20 and VRAG were included in the reports of the treatment teams, and that the consideration of these items differed according to the gender and the severity index of the patient's crime (Wilson et al. 2015).
There seems to be difficulties integrating such tools into the decision-making process, despite their validation and the literature indicating they would facilitate decision-making. In this sense, it appears relevant to compile the work that has been done on this topic in
Canada regarding the factors that influence psychiatrists in their recommendations to the courts, in order to create an overall picture and to see if these factors align with the empirical data on violence risk management, especially considering the importance of these recommendations for both the patient and the public
A hybrid fuzzy logic–Random Forest model to predict psychiatric treatment order outcomes: an interpretable tool for legal decision support
No full textBackgroundDecisions surrounding involuntary psychiatric treatment orders often involve complex clinical, legal, and ethical considerations, especially when patients lack decisional capacity and refuse treatment. In Quebec, these orders are issued by the Superior Court based on a combination of medical, legal, and behavioral evidence. However, no transparent, evidence-informed predictive tools currently exist to estimate the likelihood of full treatment order acceptance. This study aims to develop and evaluate a hybrid fuzzy logic–machine learning model to predict such outcomes and identify important influencing factors.MethodsA retrospective dataset of 176 Superior Court judgments rendered in Quebec in 2024 was curated from SOQUIJ, encompassing demographic, clinical, and legal variables. A Mamdani-type fuzzy inference system was constructed to simulate expert decision logic and output a continuous likelihood score. This score, along with structured features, was used to train a Random Forest classifier. Model performance was evaluated using accuracy, precision, recall and F1 score. A 10-fold stratified cross-validation was employed for internal validation. Feature importance was also computed to assess the influence of each variable on the prediction outcome.ResultsThe hybrid model achieved an accuracy of 98.1%, precision of 93.3%, recall of 100%, and a F1 score of 96.6. The most influential predictors were the duration of time granted by the court, duration requested by the clinical team, and age of the defendant. Fuzzy logic features such as severity, compliance, and a composite Burden_Score also significantly contributed to prediction accuracy. Only one misclassified case was observed in the test set, and the system provided interpretable decision logic consistent with expert reasoning.ConclusionThis exploratory study offers a novel approach for decision support in forensic psychiatric contexts. Future work should aim to validate the model across other jurisdictions, incorporate more advanced natural language processing for semantic feature extraction, and explore dynamic rule optimization techniques. These enhancements would further improve generalizability, fairness, and practical utility in real-world clinical and legal settings
- …
