CCRT

Un examen visuel des feuillets de réponse permet de constater que certains

participants (n = 3) ont mal compris la procédure de cotation. Ils ont par exemple utilisé le formulaire “ CCRT : relation transférentielle sous-jacente ” du premier patient pour codifier la relation transférentielle manifeste du second. Ces participants ont abandonné la tâche avant la fin. Peut-être se sont-ils rendus compte de leur erreur en cours de route et ont-ils décidé qu’un retour en arrière demanderait trop d’investissement. D’autres participants (n = 10) n’ont codifié les extraits que de deux ou trois patients. Tout porte à croire qu’ils avaient bien compris la procédure, mais qu’ils ont abandonné la tâche avant la fin. Un de ces participants a par exemple écrit un commentaire à l’effet qu’il devait quitter avant d’avoir pu compléter la tâche, à cause d’un conflit d’horaire. Les autres n’ont cependant pas indiqué la raison de leur abandon. Peu importe, puisque le processus fait d’abord appel à des tests qui portent sur l’ensemble des patients, les feuillets qui ne comptent qu’un ensemble incomplet de réponses sont exclus des analyses. En conséquence, le nombre de participants disponibles pour les analyses est de n = 42.

L’examen approfondi des feuillets de réponse de ces 42 participants indique que seulement 34 d’entre eux ont choisi de décrire au moins une relation transférentielle sous- jacente. Parmi ceux-ci, d’aucuns ont perçu chez un patient un type de relation sous-jacente

que d’autres, ayant également noté sa présence, ont inversement placé au plan manifeste. Par exemple, 57% des participants qui ont considéré que la catégorie W4 (être distant, éviter les conflits et ne pas être responsable) était importante pour décrire le transfert de la patiente B l’ont identifiée comme faisant partie de la relation transférentielle manifeste. À l’inverse, les autres 43% l’ont identifiée comme appartenant à la relation transférentielle sous-jacente. Pour ne pas artificiellement appauvrir les données et indûment multiplier les analyses, nous avons choisi de rassembler les deux types de relations transférentielles en une seule distribution. Pour les très rares cas où une même catégorie a été retenue au sein des deux types de relations, manifeste et sous-jacente, le plus haut score a été conservé.

La distribution de fréquences des scores des variables du CCRT est ensuite examinée. La figure 1 présente un exemple type du genre de distribution des scores de ces variables. On observe qu’ils se répartissent naturellement de façon dichotomique : un nombre considérable de zéro (absence) à gauche, un intervalle relativement vide au centre, et le restant des observations à droite. Le patron qui en résulte est clairement bi-modal, de sorte qu’aucune transformation continue, vu le vide au centre, ne peut être envisagée pour améliorer la situation. Ce genre de cas requiert en fait la dichotomisation des données. Par conséquent, nous avons forcé chacune des observations à travers un algorithme qui attribue la valeur “ zéro ” à ce qui est déjà un zéro (ou absence) et un “ un ” (ou présence) à toute observation plus grande que zéro. Cette procédure, en plus de donner l’aspect unimodal nécessaire aux données, offre l’avantage d’éliminer les données extrêmes au plan univarié.

score

Figure 1. Fréquence des scores de la variable W1 pour la patiente C

Nous avons noté que certaines des variables du CCRT ont été relativement ignorées par les participants (score 0 = pas pertinente). Or, Rummel (1970) rapporte que les

variables dichotomiques dont la fréquence d’une des valeurs est supérieure à 90% constituent en fait des variables extrêmes qui devraient être supprimées. Dans ces conditions, Rummel explique que les scores qui comptent pour moins de 10% des observations exercent une influence supérieure à ceux qui font partie du 90%

complémentaire, ce qui biaise artificiellement les résultats des analyses. Appliquant ce critère au CCRT, nous avons dû supprimer deux variables : la réponse “ mauvais ” anticipée du thérapeute (R04), et la réponse “ s’oppose et blesse les autres ” du patient (RS4).

Vu l’influence néfaste qu’ont les données extrêmes au plan multivarié sur les analyses de profil et les corrélations, nous avons vérifié leur présence à l’aide d’un algorithme qui repose sur le calcul des distances de Mahalanobis. Utilisant un critère conservateur de/) < .001, nous avons identifié la présence d’un cas extrême provenant des

données liées au désir des patients. Les données de ce participant ont été retirées de la banque, ce qui porte le nombre de participants à n = 41. Enfin, une fois l’ensemble de ces étapes complétées, nous avons vérifié l’homogénéité des matrices de variance-covariance, la linéarité des relations et l’absence de multicolinéarité. Aucun problème n’ayant été décelé de ce côté, nous avons pu aborder les analyses principales.

Notre second sous-objectif consiste à déterminer si les variables du CCRT permettent de différencier les patients les uns des autres. Afin de vérifier ce pouvoir

discriminant, nous avons choisi d’utiliser “ l’analyse de profil ” discutée précédemment. Au plan strictement statistique, la structure de nos données requiert toutefois une légère

modification de la procédure standard. En effet, puisque tous les participants posent un jugement sur l’ensemble des extraits du protocole expérimental, les niveaux de la variable

indépendante " contenu verbal des patients ” ne sont pas indépendants. Il nous faut former autant de “ blocs ” de données qu’il y a de participants et ainsi extraire du modèle la variance qui découle de leur quadruple participation. Cet ajustement résulte en une analyse de profil qu’on peut qualifier de “ doublement multivariée ” (" doubly multivariate

Tanachnick & Fideli, 1989, pp. 472-479). Par ailleurs, étant donné que les variables, au plan conceptuel, se distinguent en trois groupes séparés (W, RO et RS), nous avons choisi d’effectuer trois analyses omnibus distinctes. Cette stratégie est couramment utilisée par les chercheurs qui utilisent le CCRT (Luborsky, Barber, & Diguer, 1992). Le seuil alpha, compte tenu du caractère exploratoire de cette étude, le nombre d’innovations qu’elle renferme ainsi que le nombre important de niveaux hiérarchiques qu’il faut traverser avant d’arriver aux contrastes finaux entre les paires de patients, est fixé à alpha = 0.1 (pour une discussion sur le sujet, voir Cascio & Zedeck, 1983; Cohen, 1990, 1994; Sedlmeier & Gigerenzer, 1989; Skipper, Guenther & Nass, 1967; Descôteaux, 1996).

Pour l’ensemble des analyses de profil dont les résultats sont rapportés ci-dessous, la procédure GLM avec l’option “ profile ” du progiciel SAS (SAS Institute, 1989) est retenue. Les transcriptions du verbatim des quatre patients (A, B, C, et D) sont utilisées à titre de variable indépendante. Les résultats liés à !’horizontalité et au parallélisme des profils reposent sur le critère de Wilks. Les différences entre les patients sur les moyennes globales sont simplement testées à partir du F.

8.2.1 Désirs, besoins et intentions du patient

Nous avons effectué une analyse de profil sur les huit premières variables du CCRT, c’est-à-dire celles qui identifient le type de besoin, désir ou intention du patient (W) : s’affirmer et être indépendant (Wl), s’opposer, blesser et contrôler le thérapeute (W2), être contrôlé, blessé (W3), être distant, éviter les conflits et ne pas être responsable (W4), être près du thérapeute, l’accepter (W5), être aimé et compris (W6), se sentir bien, à l’aise (W7) et réussir et aider le thérapeute (W8). On observe que les profils (voir figure 2) ne sont pas horizontaux (“ fiat profiles ”), F (7, 114) = 30:4, p = .0001, η2 = .65. De plus, ils ne sont pas parallèles les uns par rapport aux autres, c’est-à-dire qu’il y a présence d’interactions entre les transcriptions et les types de désir, F (21, 328) = 2.9,p = .0001, η2 = .39. Finalement, il n’y a pas de différence entre les transcriptions sur la moyenne des scores calculée sur l’ensemble des variables W, F (3, 120) = 0.3, p = .8282.

Afin d’identifier les variables qui contribuent à rendre l’analyse des interactions significative, nous avons utilisé le test univarié Q de Cochrane. Siegel et Castellan (1988) suggèrent d’utiliser ce test pour évaluer l’effet d’une variable indépendante dont les niveaux ne sont pas indépendants sur une variable dépendante dont la distribution est dichotomique. Afin d’éviter un indésirable gonflement de la probabilité d’effectuer une erreur de type I, nous avons également, pour ces analyses, ajusté le seuil alpha selon la stratégie de Dunn-B onferroni (voir Kirk, 1995, pp. 137-140). Dans ce cas-ci, alpha =.10/ 8 = .0125. Le tableau 2 présente les résultats de ces analyses. .

—φ— patient A patient B —A— patient C patient D Désir du patient (W)

1

I

Figure 2. Profils des désirs des patients (W) selon les catégories du CCRT

On observe un effet significatif de F identité du patient sur les variables W2, W4 et W5. Le tableau 3 présente les résultats des contrastes subséquents effectués sur toutes les paires de patients. Le test Q de Cochrane a encore une fois été utilisé en combinaison avec l’habituelle procédure de Dunn-Bonferroni. Puisqu’il y a six contrastes au total, le seuil

alpha est fixé à .0125 / 6 = .0021.

Tableau 2. Q de Cochranea pour l’effet de l’identité du patient sur les variables de désir du CCRT.

Variable

W1 W2 W3 W4 W5 W6 W7 W8

3.97 15.25* 6.60 18.98* 13.59* 1.59 2.76 2.90

a« = 41, dl = 3

Tableau 3. Q de Cochranea et proportion de scores “ 1 ” pour les contrastes entre les paires de patients sur les variables W2, W4 et W5 du CCRT.

Patient

Variable Patient Proportion de " 1 " A B C D A 0.27 3.77 6.23** 8.33** W2 B 0.10 — 1.00 1.80 C 0.05 — 1.00 D 0.02 — A 0.12 5.40** 1.92 14.73* W4 B 034 —— 1.14 3.86 C 0.24 — 6.76** D 0.56 — A 0.12 2.78 2.57 5 00 W5 B 0.24 — 0.05 10.00* C 0.27 — 11.00* D 0.00 — a n = 41, dl= 1

* effet significatif au seuil alpha = .0021

** tendance statistique : W2,pA.c = .0126 et/?A-d = .0039; W4,/?A-b = .0201 etpc-Ώ = .0093 Le tableau 3 montre que les différences entre les diverses paires de patients sur la variable W2 sont presque significatives pour les paires A-C et A-D. Il montre également que les différences sur la variable W4 ne sont significatives pour la paire A-D et presque significatives pour les paires A-B et C-D. Il montre enfin que les différences sur la variable W5 sont significatives pour les paires B-D et C-D.

8.2.2 Réponse du thérapeute anticipée par le patient

Nous avons ensuite effectué une analyse de profil sur les sept variables

part du thérapeute (RO) : fort (ROI), contrôlant (R02), contrarié (R03), rejetant et opposé (R05), aidant (R06), aimant, appréciant (R07) et compréhensif (R08). On observe que les profils (voir figure 3) ne sont pas horizontaux, F (6, 115) = 12.3, p = .0001, η2 = .39, qu’ils ne sont pas parallèles les uns par rapport aux autres, c’est-à-dire qu’il y a présence

d’interactions entre les transcriptions et les types de réponse anticipée du thérapeute, F (18, 326) = 1.5,p = .0889, η2 = .20, et qu’il n’y a pas de différence entre les transcriptions sur la moyenne des scores calculée sur l’ensemble des variables RO, F (3, 120) = 1.0, p - .4094.

—patient A patient B —A— patient C —patient D .= 0,4 - Ό 0;3 - Έ 0■Z"

Réponse anticipée du thérapeute (RO)

Figure 3. Profils des réponses anticipées des thérapeutes (RO) selon les catégories du CCRT

Tableau 4. Q de Cochrane2 pour l’effet de l’identité du patient sur les réponses anticipées du thérapeute du CCRT. Variable ROI R02 R03 R05 R06 R07 R08 1.18 3.63 8.33* 0.60 4.47 1.72 6.14 a 72 = 41, <7/=3 * tendance statistique : p = .0396

Le Q de Cochrane a été utilisé pour identifier les variables responsables de l’effet d’interaction. Le tableau 4 indique que seule la variable R03 montre une tendance

statistique (p = .0396 > alpha = .0125). Étant donné la faible taille de l’effet et l’absence de résultats franchement significatifs, les contrastes subséquents ne sont pas rapportés.

8.2.3 Réponse du patient à celle qu’il anticipe du thérapeute

Nous avons effectué une troisième analyse de profil sur les sept dernières variables du CCRT, c’est-à-dire celles qui identifient le type de réponse du patient à celle qu’il anticipe de la part du thérapeute (RS) : aidant (RS 1), non réceptif (RS2), respecté et accepté (RS3), contrôle de soi et confiance en soi (RS5), sans ressource (RS6), désappointé et déprimé (RS7) et anxieux et honteux (RS8). On observe que les profils (voir figure 4) ne sont pas horizontaux, F (6, 115) = 3.6,/7 - .0024, η2 = .16, qu’ils ne sont pas parallèles les uns par rapport aux autres, c’est-à-dire qu’il y a présence d’interactions entre l’identité et les types de réponse du patient, F (18, 326) = 3.23, p = .0001, η2 = .37, et qu’il existe cette fois une différence significative entre les transcriptions sur la moyenne des scores sur l’ensemble des variables RS, F (3, 120) = 2.9,p = .0383.

patient A ~e~ patient B —A— patient C patient D

Réponse du patient (RS)

Figure 4. Profils des réponses des patients à celles anticipées des thérapeutes (RS) selon les catégories du CCRT

Le Q de Cochrane a été utilisé pour identifier les variables responsables de l’effet d’interaction. On observe un effet significatif de l’identité du patient sur les réponses du patient RS5, RS6 et RS7. On note également la présence d’une tendance statistique pour la variable RS8 (voir tableau 5). Le tableau 6 présente les résultats des contrastes subséquents effectués sur chaque paire de patients. Pour ces contrastes, le Q de Cochrane a été utilisé en combinaison avec la procédure de Dunn-Bonferroni.

Tableau 5. Q de Cochranea pour l’effet de l’identité du patient sur ses réponses selon les catégories du CCRT.

Variable

RS1 RS2 RS3 RS5 RS 6 RS7 RS8

1.36 1.03 2.08 31.12* 13.09* 14.67* 9.99 **

a n = 41, dl = 3

*effet significatif au seuil alpha = .0125 ** tendance statistique : p = .0187

Le tableau 6 montre que les différences entre les diverses paires de patients sur la variable RS5 sont significatives pour les paires A-B, A-C et A-D. Il montre également que les différences sur la variable RS6 sont significatives pour la paire A-D et presque

significatives pour la paire A-B. Il montre enfin que les différences sur la variable RS7 sont significatives pour la paires A-D et presque significative pour la paire A-C.

Pour isoler les paires de patients responsables de l’effet du verbatim sur la moyenne des scores pour l’ensemble des variables RS, une ANO VA simple à mesures répétées a d’abord été effectuée, F(3, 120) = 2.9,p < .0383. Les contrastes subséquents ont ensuite été vérifiés selon la procédure de Tukey (avec un seuil alpha = . 1 pour la famille de

contrastes). Les moyennes pour les patients A, B, C et D sont respectivement 0.25, 0.27, 0.30 et 0.32. Seule la différence entre les moyennes des patients A et D est significative.

Tableau 6. Q de Cochrane* et proportion de scores “ 1 ” pour les contrastes entre les paires de patients sur les variables RS5, RS6 et RS7 du CCRT.

Patient

Variable Patient Proportion de “ 1 ” A B C D A 0.76 13.37* 17.19* 17.29* RS5 B 0.29 — 0.00 1.29 C 0.29 — 0.53 D 0 22 — A 0.12 5.56** 4.00 10.71* RS6 B 0.37 — 0 18 1.32 C 0.32 — 4.45 D 0.49 — A 0.10 3.77 8.07** 12.25* RS7 B 0.27 — 0 89 3.77 C 0.37 — 0.60 D 0.44 — a n = 41, dl= 1

* effet significatif au seuil alpha = .0024

** tendance statistique : RS6, /?A-b= .0184; RS7, pA.c = .0050

8.2.4 Synthèse des résultats pour le CCRT

L’ensemble des profils observés sur les trois dimensions du CCRT (W, RO et RS) ne son ni plats, ni parallèles. À l’exception de la dimension réactions du patient (RS), on n’observe aucune différence significative entre les moyennes des scores calculées sur l’ensemble des variables de la dimension pour chaque patient.

Pour la dimension désirs du patient (W), l’analyse des interactions révèle que les variables W2 (s’opposer, blesser et contrôler le thérapeute), W4 (être distant, éviter les conflits et ne pas être responsable) et W5 (être près du thérapeute, l’accepter) sont

responsables de l’effet significatif du verbatim des patients sur cet ensemble de variables. La figure 5 résume les contrastes significatifs et presque significatifs entre les paires de patients.

Figure 5. Représentation graphique des contrastes effectués sur les variables de la dimension désirs du patient (W)

Pour la dimension réponses que le patient anticipe du thérapeute (RO), l’analyse des interactions révèle que seule la variable R03 (contrarié) montre une tendance statistique relative à l’effet du verbatim des patients sur cet ensemble de variables. Compte tenu de la faible taille de l’effet, les contrastes subséquents ne sont pas rapportés.

Figure 6. Représentation graphique des contrastes effectués sur les variables de la dimension réponses du patient (RS)

Pour la dimension réponses du patient à celles qu’il anticipe du thérapeute (RS), l’analyse des interactions révèle que les variables RS5, RS6 et RS7 sont responsables de l’effet significatif du verbatim des patients sur cet ensemble de variables. La variable RS8

participe également, de façon marginale, à cet effet (tendance statistique). La figure 6 résume les contrastes significatifs et presque significatifs entre les paires de patients.

8.2.5 Degré de correspondance entre les scores du CCRT des participants et ceux de juges experts

Afin de répondre au troisième sous-objectif, i.e. d’obtenir un estimé supplémentaire de la fidélité des réponses des participants, nous avons comparé leurs réponses à celles de quatre juges experts. Ceux-ci ont été recrutés en fonction de leur orientation clinique (psychodynamique) et de leur degré d’expérience en tant que thérapeute (sept, cinq, trois et un an d’expérience). Leur tâche était d’en arriver à un consensus quant au degré de

pertinence de chaque catégorie du CCRT pour chacun des extraits. Cinq heures leur ont été nécessaires pour compléter cette tâche. Ils ont réussi à se mettre d’accord sur l’ensemble des scores de trois des quatre patients. Par contre, ils n’ont pu atteindre de consensus sur trois des variables relatives à l’extrait de la patiente B (Wl, W5 et W6). Pour celles-ci, nous avons utilisé la moyenne arithmétique des scores des quatre juges.

L’approche de comparaison que nous avons utilisée découle du concept de “ effective reliability ” rapporté par Rosenthal (Rosenthal, 1987; Rosenthal & Rosnow,

1991; voir aussi Descôteaux, 1999). Ce concept, dérivé de la formule de consistance interne de Spearman-Brown, repose sur l’hypothèse que la moyenne de tous les scores rapportés par des observateurs au sujet d’un patient représente une approximation du “ score véritable ” du patient. Suivant le concept de “ effective reliability ”, il convient alors de comparer la moyenne des scores des participants pour chaque patient au score atteint par consensus par les juges experts. De cette façon, on compare le “ score véritable ” du patient tel que défini par l’ensemble des participants au “ score véritable ” du patient tel que reflété par le consensus atteint par les juges experts.

Pour effectuer cette comparaison, nous avons utilisé la méthode décrite par Diguer (1995). Cette méthode requiert !’identification, pour chaque groupe (participants et juges)

et pour chaque dimension (W, RO, RS), des deux catégories ou variables du CCRT qui représentent le mieux chaque patient. Ces deux catégories doivent ensuite être ordonnées selon leur degré d’importance (premier ou second rang). Un score de similitude

intergroupes est alors calculé pour chaque dimension et pour chaque patient, selon le degré de correspondance de ces deux catégories (voir tableau 7). Le tableau 8 présente les scores de similitude calculés entre le groupe de participants et le groupe dejuges experts.

Tableau 7. Scores de similitude attribués selon le degré de correspondance des catégories du CCRTa.

Catégories choisies par les participants, par ordre d’importance

Catégories choisies par les juges, par ordre d’importance Score de similitude attribué W2 et W5 W2 et W5 1.00 W2 et. W5 W5 et. W2 .75 W2 et W5 W2 et W7 .75 W2 et W5 W7 et W2 .50 W2 et W5 W7 et W5 .25 W2 et W5 W7 et W8 .00

a Le soulignement simple indique une correspondance qui respecte l’ordre d’importance; le soulignement double indique une correspondance dont l’ordre d’importance est inversé. Tableau 8. Scores de similitude individuels et moyens par patient et par dimension

Patient Dimension A B C D Moyenne W .75 .50 1.00 .25 .63 RO .00 1.00 .50 .00 .38 RS Moyenne .50 .75 .00 1.00 .56 (excluant RO) .63 .63 .50 .63 .59

Exception faite de la dimension RO, les scores calculés par dimension indiquent un degré de similitude moyen. Les scores calculés par patient révèlent également un degré de similitude moyen qui est relativement stable d’un patient à un autre. Dans l’ensemble, les résultats indiquent un degré de similitude moyen entre les scores des participants et ceux des juges, sauf pour ce qui est de la dimension RO.