MétaCan
Menu
Retour à la cohorte
Enregistrement W2615303457 · doi:10.7202/1044610ar

Facteurs influençant la multiplication de traitements en physiothérapie : une analyse thématique de la jurisprudence québécoise

2018· article· fr· W2615303457 sur OpenAlexaffvenue
Maude Laliberté

Notice bibliographique

RevueBioéthiqueOnline · 2018
Typearticle
Languefr
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensUniversité de MontréalCentre for Interdisciplinary Research in Rehabilitation
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceJurisprudencePhilosophy

Résumé

récupéré en direct d'OpenAlex

La physiothérapie est touchée par un problème de multiplication de traitements; la fréquence des traitements ou leur durée peuvent être inappropriées ou disproportionnées face aux besoins du patient. La multiplication de traitements peut avoir des conséquences financières, physiques, psychologiques et sociales. Pour explorer les facteurs influençant la fréquence et la durée des traitements dans les situations de multiplication de traitements, une analyse thématique de la jurisprudence a été réalisée. Certains facteurs cliniques et non cliniques influençant la fréquence et la durée des traitements ont pu être identifiés par cette analyse thématique de la jurisprudence. Les facteurs cliniques impliquent que l’allocation des ressources soit guidée par la condition et l’évolution du patient. Les facteurs non cliniques peuvent inclure la pression des employeurs, les demandes des autres professionnels de la santé ou les conflits d’intérêts de type financier. Cette analyse thématique de la jurisprudence est une première étape pour comprendre ce qui motive les décisions cliniques d’allocation des ressources des professionnels de la physiothérapie. Cette démarche est essentielle pour mettre en place des politiques et des normes de pratique soucieuses du contexte de pratique et des normes éthiques, déontologiques et légales qui animent la profession.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,182
Score d'incertitude au seuil0,367

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0040,003
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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.

Tête enseignante Opus0,108
Tête enseignante GPT0,449
Écart entre enseignants0,341 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioéthiqueOnlineMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207