Evaluation of a tele-expertise experiment for skin cancer detection: the perspective of GPs
Notice bibliographique
Résumé
Abstract Background The incidence of skin cancer has shown an increasing trend in the world and in France over the last four decades. In this context, the delay to access a specialist opinion strongly impacts the patient outcomes. However, the medical demographics of dermatologists in France have been decreasing over the past years. Hence, a tele-expertise (TLE) experiment for skin tumors detection, which allows general practitioners to obtain feedback from a dermatologist within 7 days using a smartphone application, has been set up in the Hauts-de-France region since 2015. Thus, this study aims at understanding the advantages and drawbacks of TLE in the detection of skin tumors perceived by general practitioners. Methods Exploratory study carried out with 15 general practitioners participating in the experiment in the Hauts-de-France region. Semi-structured interviews were conducted between february and april 2021 and analyzed after transcription. Results The main advantages perceived by general practitioners are: (i) fast access to a specialized feedback; (ii) formalization of the request and commitment of the dermatologist; (iii) ease of regulating patients to a specialist; (iv) lower travel frequency and stress for patients; (v) ability to send medical information securely. The drawbacks are most related to the lack of functionalities and the graphical user interface of the application. Conclusions Tele-expertise is a well accepted technological innovation in dermatology among general practitioners, which enables the best use of the scarce medical resources available in the region and to address the needs of patients. The sustainability of TLE in dermatology and its extension to other territories is possible and desirable. Key messages Tele-expertise in dermatology has its place in enabling the early management of malignant skin tumors. The qualitative approach makes it possible to understand general practitioners visions after the introduction of a technological innovation into their practices.
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 | 0,019 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».