Pratiquer la responsabilité sociale en santé : de la théorie à la pratique. Une étude Delphi internationale
Notice bibliographique
Résumé
Introduction : La responsabilité sociale en santé (RSS) des professionnels de santé est difficile à traduire en compétences, à enseigner et à mettre en œuvre concrètement dans la pratique professionnelle. But de l’étude : Afin d’éclairer l’élaboration d’un profil de compétences, cette étude du Réseau international francophone pour la responsabilité sociale en santé (RIFRESS) a visé à développer un consensus sur les composantes de la RSS des médecins selon le point de vue d’experts en éducation médicale. La méthode Delphi a été utilisée, le premier tour étant ouvert et les deux autres, fermés. Le logiciel Mesydel a servi pour l’analyse qualitative du premier tour, le SPSS pour l’analyse du degré de consensus pour les tours 2 et 3. Résultats : Trente-quatre experts ont répondu à l’étude. Lors du premier tour, 62 codes ont émergé, regroupés en 13 thèmes. À partir de l’analyse initiale, 40 éléments ont été soumis pour le deuxième tour. Sur ces 40 items, 23 sont alors sortis consensuels, ainsi que 13 sur les 18 items soumis de nouveau après le troisième tour. Des exemples d’éléments consensuels : l’éco-responsabilité, le plaidoyer, la défense du bien commun, l’analyse critique de sa pratique et le leadership collaboratif. Conclusions : La présente étude visait à définir concrètement les composants de la RSS des médecins. Ce consensus doit être utilisé à la lumière du contexte local et permettre de former des médecins qui répondent aux besoins de santé prioritaires de la société dans un monde en profonde mutation.
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 | 0,023 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».