Comprendre l’interaction des patients membres d’une communauté virtuelle de santé et son impact sur la relation que le patient entretient avec son médecin
Notice bibliographique
Résumé
Cette recherche s’inscrit dans le cadre du développement de la digitalisation de la santé et de l’émergence de communautés virtuelles de santé. Elle vise à étudier les relations causales entre la crédibilité et l’attitude à l’égard de plateformes virtuelles de santé ainsi qu’entre la confiance et l’attitude vis-à-vis du médecin. Un questionnaire a été développé et diffusé en ligne auprès de patients et utilisateurs de communautés virtuelles médicales. Les données collectées ont permis de procéder à des analyses confirmatoires sous SPSS et AMOS pour les équations structurelles. Les résultats montrent que la confiance interpersonnelle émanant des communautés virtuelles de santé entretient une relation positive avec la crédibilité et l’attitude à l’égard de ces communautés virtuelles. Il en est de même pour l’attitude à l’égard du médecin. La crédibilité accordée à ces communautés virtuelles de santé a une relation positive sur l’attitude à l’égard ces plateformes. En revanche, la relation s’avère être négative entre la crédibilité et l’attitude à l’égard du médecin. Enfin, seule l’attitude vis-à-vis du médecin a une relation positive avec la confiance vis-à-vis du médecin. Cette recherche est la première mesurant les relations entre crédibilité, confiance et attitude. Par ailleurs, elle permet de mieux considérer le rôle des utilisateurs des communautés virtuelles de santé et des médecins, afin d’améliorer l’attitude des patients à l’égard des médecins.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».