Synthèse Symposium international - Vers une formation repensée en santé numérique
Notice bibliographique
Résumé
La transformation numérique du système de santé représente un défi majeur pour de nombreux pays du monde et implique de repenser en profondeur la formation de l’ensemble des professionnels et acteurs du secteur. Les technologies de l’information sont devenues critiques dans la prestation des soins et services, que ce soit à l'hôpital ou à domicile, du fait même de l’essor de la télésanté et de la numérisation des pratiques. Il s’agit d’une transformation qui affecte la santé comme de nombreux autres domaines et qui génère un nombre croissant de données numériques. Dans ce cadre, le besoin de compétences pour utiliser ces nouveaux dispositifs, mais aussi pour analyser et valoriser les données qui y sont liées, notamment à travers les méthodes de sciences des données et l’intelligence artificielle, se fait ressentir avec d’autant plus d’urgence et d’acuité. Au Québec, le projet de mise en oeuvre du Dossier santé numérique (DSN) illustre parfaitement les défis de la transformation numérique en santé, ainsi que le besoin pressant de développer la littératie numérique et les compétences associées à l’usage et la compréhension des technologies de l’information. À l’heure où le DSN s’apprête à être implanté dans de multiples organisations, il demeure crucial d’outiller adéquatement les équipes soignantes, aussi bien que les patients eux-mêmes, pour mobiliser efficacement le potentiel du numérique tout en amenuisant ses risques, tant sur les plans technologiques que sociaux et éthiques.Dans un tel contexte, s’est tenu le 28 novembre 2024 dans les locaux de l’Institut québécois d’intelligence artificielle (MILA) le symposium international Vers une formation repensée en santé numérique - de la réflexion à l’action, organisé par le Consortium Santé Numérique de l’Université de Montréal en partenariat avec le Fonds de recherche du Québec, le Mila, le Réseau santé numérique, le Consulat général de Suisse à Montréal, IVADO, le Centre de recherche du CHUM et l’Université deMontréal. Réunissant des experts du milieu universitaire, des ordres professionnels et des acteurs de terrain, ce symposium a permis de croiser les expériences locales et internationales pour réfléchir collectivement aux besoins de formation en santé numérique et proposer des pistes d'action concrètes pour le Québec. Vous trouverez en annexe un aperçu des programmesofferts dans plusieurs universités à travers le monde, réalisé sous forme de scan environnemental. Le présent document synthétise les réflexions et recommandations issues de cet événement marquant pour le secteur de la santé numérique.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,070 | 0,028 |
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 ».