Contexte de l’étude
Une nouvelle étude destinée à identifier les facteurs prédictifs du bien-être psychique a été conduite à partir des données de la cohorte REHABase. Elle a utilisé l’apprentissage automatique (machine learning) et s’est appuyée sur un échantillon de 2 206 usager·ère·s présentant un trouble psychique sévère dont 1 136 présentant une schizophrénie.
Le machine learning, qu’est-ce que c’est ?
Le machine learning, ou apprentissage automatique en français, est une technologie qui permet aux ordinateurs d’apprendre et de s’améliorer tout seuls, sans qu’on doive leur programmer chaque instruction en détail. Contrairement à la programmation traditionnelle où chaque règle doit être écrite explicitement, le machine learning fonctionne selon un principe plus « naturel » : on fournit à la machine des données et des exemples, et elle en déduit elle-même des modèles et des règles. Un peu comme une personne qui apprend une nouvelle compétence en observant des exemples variés plutôt qu’en mémorisant tout un manuel d’instructions.
Que nous apprend cette étude ?
L’autostigmatisation et la résilience jouent un rôle décisif dans tous les groupes diagnostiques : la capacité à dépasser les croyances négatives envers soi-même et à rebondir face à l’adversité s’avère critique en termes de bien-être mental.
A l’inverse, l’isolement social altère le bien-être mental. Il est tout particulièrement prédictif de son altération chez les personnes qui présentent un trouble de la schizophrénie.
Quelles implications pour les pratiques de soin et d’accompagnement ?
Cette étude confirme que le bien-être psychique ne dépend pas de la seule disparition des symptômes. Pour les personnes qui présentent une schizophrénie, la réduction du retrait social doit être reconnu une priorité thérapeutique devant être systématiquement visée.
Les parcours de soins les plus favorables au rétablissement personnel intègrent la réduction de l’autostigmatisation, le renforcement de la résilience et la création d’opportunités d’inclusion sociale.
Pour aller plus loin :
Consulter l’étude
A propos de REHABase
