MétaCan
Menu
Retour à la cohorte
Enregistrement W4289717509 · doi:10.1051/pmed/2022004

La téléconsultation et la Covid-19: pour un renouvellement des pratiques professionnelles face aux enjeux de formation

2022· article· fr· W4289717509 sur OpenAlexaff
Michelle Dorion, Éric Dionne

Notice bibliographique

RevuePédagogie médicale · 2022
Typearticle
Languefr
DomaineMedicine
ThématiqueTelemedicine and Telehealth Implementation
Établissements canadiensInstitut du Savoir MontfortUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)PhilosophyMedicine

Résumé

récupéré en direct d'OpenAlex

Contexte: En ce temps de pandémie de Covid-19, la téléconsultation, qui permet de communiquer avec un professionnel de la santé qui n’est pas au même endroit, évolue rapidement, car elle représente une façon novatrice d’assurer des services de soins de santé à distance. Un tel dispositif s’accompagne d’une réorganisation du travail collaboratif entre les différents acteurs impliqués et crée un cadre thérapeutique unique impliquant des mutations dans la relation soignant-patient. Bien que la téléconsultation génère une nouvelle façon de travailler et de nouvelles compétences professionnelles, force est de constater que l’offre de formation pour les futurs professionnels de la santé quant à l’utilisation de ce dispositif est lacunaire. Cela est d’autant plus flagrant dans le contexte actuel de la Covid-19 où le renouvellement des pratiques est une occasion privilégiée pour repenser à l’intégration de cette technologie et aux enjeux de formation pour les futurs professionnels de la santé. Objectif: Cet article présente un point de vue critique sur la téléconsultation en montrant les besoins de formation que cette dernière impose et des pistes de formation afin de développer les compétences nécessaires à sa mise en œuvre.

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)0,017
score de la tête « metaresearch » (Gemma)0,036
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,091

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,036
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,016
Communication savante0,0150,012
Science ouverte0,0020,014
Intégrité de la recherche0,0070,013
Charge utile insuffisante (le modèle a refusé de juger)0,0190,004

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 Opus0,129
Tête enseignante GPT0,449
Écart entre enseignants0,321 · 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'étudeSans objet
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePédagogie médicaleMême sujetTelemedicine and Telehealth ImplementationTravaux en français237 207