Notice bibliographique
Résumé
Introduction. En France, en 2016, l’obésité concernait 17 % des adultes. L’entretien motivationnel est utilisé en médecine générale, avec une efficacité dépendant à la fois de l’engagement du patient et du médecin. Cet engagement repose sur la création de réseaux sémantiques entre la personne et le soignant. Ces réseaux confrontent des modèles explicatifs parfois différents entre soignants et personnes soignées. Les modèles explicatifs en partie inconscients reposent sur l’étiologie, le moment et le mode d’apparition des symptômes, la physiopathologie, l’évolution et le traitement de la maladie. Objectif. Recueillir les modèles explicatifs des personnes en situation d’obésité afin de mieux les comprendre et de mieux les accompagner dans leur parcours de soins, autrement dit d’améliorer les réseaux sémantiques. Méthode. Étude qualitative selon une approche de médecine narrative réalisée entre novembre 2020 et juillet 2021 auprès de personnes majeures en situation d’obésité recrutées par leurs médecins généralistes puis contactés par le chercheur. Le guide McGill Illness Narrative Interview a été utilisé. Résultats. Plusieurs modèles explicatifs coexistaient et interagissaient. L’obésité pouvait être décrite dès l’enfance, parfois avec une notion d’hérédité. Des événements de vie comme le deuil, la vie de couple, le mode de vie, la maladie, des traitements ou des régimes étaient incriminés. Le parcours de soins était chaotique, entre tabou et échecs des accompagnements, et pouvait conduire au découragement. Ce découragement pouvait favoriser l’inaction ou l’errance et constituer un facteur de maintien de l’obésité. L’ambivalence concernant l’impact de l’obésité sur le quotidien, le sentiment de honte et la crainte du rejet était aussi des facteurs de maintien. Conclusion. Ces modèles explicatifs peuvent permettre de mieux comprendre et accompagner les personnes en situation d’obésité. L’amélioration des réseaux sémantiques facilite l’approche centrée sur le patient et les entretiens motivationnels.
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 | 0,006 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».