PRATIQUE CLINIQUE Tenue d’un club de lecture d’infirmières en oncologie, vers une transformation de pratique
Notice bibliographique
Résumé
En 2009, Cheung, Fishman et Verma ont démontré que l’oncologie était sous-représentée dans les curriculums. Selon leurs résultats, moins de 10 % des contenus universitaires en santé (médecine, sciences infirmières, pharmacie) traitent d’oncologie, et ce, dans plus de 70 % des 84 écoles recensées au Canada. Une étude similaire parue en 2014, réalisée auprès de 159 éducateurs et 518 résidents au sein de facultés médicales canadiennes, décrit toujours cette perception d’inadéquation entre le curriculum d’oncologie enseigné et les besoins réels (Tam et al., 2014). À notre connaissance, cette situation prévaut toujours pour la formation en sciences infirmières, malgré que le cancer soit la première cause de décès au Canada. Ainsi, un Canadien sur quatre en mourra et deux Canadiens sur cinq en développeront un (Comité consultatif de la Société canadienne du cancer, 2015).
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 | 0,012 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,010 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,005 |
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 ».