Usages des technologies de l'information et de communication pour la coordination des soins en cancérologie : État des connaissances. Quelles recommandations pour une implantation efficace ?
Notice bibliographique
Résumé
La prise en charge du cancer est un problème de santé publique majeur, responsable sur le plan économique d’une part importante des dépenses en santé dans l’ensemble des pays développés. Aussi, les pouvoirs publics cherchent à identifier des innovations managériales permettant d’améliorer la prise en charge des patients atteints de cancer : à savoir améliorer leur qualité de vie, à moindre coût pour le système de soins, et dans un souci d’équité tant géographique que socioéconomique. C’est dans ce contexte qu’un projet est lancé à l’institut de cancérologie, Gustave Roussy (GR) proposant l’utilisation de tablettes électroniques comme outil d’amélioration de la coordination des soins. L’hypothèse faite est que ces technologies relevant de l’informatique mobile constituent un moyen efficace d’amélioration de la prise en charge grâce à un meilleur engagement du patient et une meilleure coordination entre celui-ci, son entourage et les professionnels de santé. L’objectif de cet article est en amont du démarrage effectif de ce projet de rassembler les connaissances existantes relatives aux usages de ces technologies de l’information mobile afin d’améliorer la coordination des soins dans un contexte de maladie chronique. À cet effet, nous avons mené une revue de littérature inspirée du modèle des synthèses réalistes de manière à inclure tout usage de l’informatique, mobile ou non, dans un contexte de maladie chronique. Ce choix se justifie par le peu d’études spécifiques à la cancérologie. Les résultats font état du nombre encore réduit de recherches portant sur des interventions à grande échelle, du manque d’évidence en faveur de leur valeur ajoutée, et de l’importance du contexte organisationnel dans lequel s’inscrit l’usage de cette technologie. Ils nous amènent à recommander la conception d’intervention de plus grande envergure tenant compte des aspects cliniques, organisationnels et politiques, et assurant un échantillonnage plus important. Il convient aussi de demeurer réaliste sur les hypothèses émises quant au bénéfice attendu de l’utilisation des technologies d’information mobiles et de privilégier des méthodes d’évaluation robustes et fiables.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,013 | 0,017 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».