Notice bibliographique
Résumé
Le nombre des médecins n’a jamais été aussi important en France. Pourtant, certains départements manquent de plus en plus de médecins généralistes et les « déserts médicaux » ne semblent pas près de disparaître, bien au contraire. La situation du médecin généraliste en milieu rural, vénéré au XIX<sup>e<sup/> et au début du XX<sup>e<sup/> siècle, et toutes ces grandes figures de praticiens faisant à cheval leurs visites, est devenue totalement désuète. Les malheureux qui continuent d’exercer dans ces régions en déclin aux populations vieillissantes ont des gardes trop nombreuses et des rythmes de travail déments, ils manquent de plateaux techniques qui pourraient leur simplifier la vie ; ils ne peuvent trouver de remplaçant, que ce soit pour se recycler ou partir en vacances, et ils ne se font guère d’illusions : aucun jeune médecin n’acceptera de leur succéder. L’épuisement conduit parfois même au suicide. Dans certaines régions, les collectivités locales se résignent à recruter des médecins étrangers : ceux-ci s’adaptent avec plus ou moins de bonheur dans ces pays qui ont conservé de fortes particularités locales. À l’heure où l’écologie devient primordiale, où la pollution et les conditions de vie dans les grandes villes (transports, logements, insécurité…) sont unanimement dénoncées, il est paradoxal de constater que la densité de population dans ces zones urbaines continue à augmenter. Ce phénomène n’est pas propre à la France : on le retrouve de façon plus aiguë encore dans les pays en voie de développement ; il existe aussi en Europe (en Allemagne en particulier), de même qu’au Québec, où le Collège des médecins, en janvier 2007, vient de faire le point sur ce problème du manque de médecins de famille. Quelles sont les solutions proposées pour y remédier ? C’est ce que nous tenterons de définir.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,027 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».