Le cycle de vie pour prioriser les patients aux soins intensifs en contexte extrême de pandémie : défis éthiques et pratiques
Notice bibliographique
Résumé
Dans le contexte extrême d’une pandémie, lorsque les besoins en ressources de soins intensifs dépassent l’offre, les travailleurs de la santé sont contraints de faire des choix déchirants pour déterminer qui vit et qui meurt. Un protocole de triage pour prioriser l’accès aux lits de soins intensifs a été élaboré au Québec pour guider les décisions d’allocation des ressources.Le but de cet article est d’aborder les défis de l’utilisation de l’âge dans les décisions de triage, sous la forme de la règle de décision du « cycle de vie », pour départager des patients qui auraient la même priorité d’accès étant donné leur condition clinique similaire.Après les explications sur le fonctionnement des protocoles de triage pour l’accès aux soins intensifs en contexte extrême de pandémie, dont celui du Québec, nous analysons la question de l’application de la règle de décision du cycle de vie. L’analyse de cette règle passe par une exploration des divers arguments concernant l’utilisation de l’âge comme critère dans les décisions de triage. Ensuite, nous présentons un consensus d’expert issu de plusieurs itérations qui a permis de proposer une stratégie d’application uniforme de la règle de décision du cycle de vie.L’utilisation de l’âge dans les décisions de triage pour l’accès aux soins intensifs comporte des défis tant conceptuels que pratiques. Plusieurs stratégies de l’utilisation de l’âge existent : comme prédicteur indépendant de la survie, pour la maximisation des années de vie, en tant que limite équitable selon l’argument du fair innings, selon les cycles de vie. Chacune propose des arguments spécifiques qui appellent à différentes interprétations de la justice. Il émerge du consensus d’expert une seule interprétation possible de la règle de décision du cycle de vie : celle de l’équité intergénérationnelle. La stratégie développée considère qu’au moins 25 ans doivent séparer les générations pour en respecter l’esprit.Sans être parfaite, la stratégie permet d’appliquer de manière cohérente l’équité intergénérationnelle. Des recherches plus poussées sont nécessaires pour valider les protocoles de triage qui sont développés pour prioriser l’accès aux soins intensifs en contexte de pandémie.
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 | 0,009 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».