La datafication des soins en maisons de santé
Notice bibliographique
Résumé
L’article propose une analyse critique de la datafication des soins en maisons de santé pluriprofessionnelles (MSP) portant sur les décalages entre les objectifs de l’informatisation et les usages des données informatisées. S’appuyant sur l’analyse de matériaux qualitatifs (entretiens, observations et littérature grise), il interroge la capacité des technologies déployées en MSP à soutenir la coordination multidisciplinaire, d’une part, et à en visibiliser les effets sur la santé des patients, d’autre part. Les résultats présentés montrent que, malgré la volonté politique de labelliser des logiciels pluriprofessionnels, propices à la centralisation des informations sur les patients, les systèmes d’information examinés soutiennent principalement l’exercice de la médecine générale. Ils ne sont utilisés — sauf à de rares exceptions — que par les médecins généralistes. À l’inverse, ils ne tracent pas les activités des non-médecins, dont le travail est invisibilisé au fil du processus de mise en machine, de mise en données et de mise en chiffres de la coordination pluriprofessionnelle. La datafication des soins en maisons de santé relève donc en ce sens d’un pouvoir professionnel inégalement distribué : si certains médecins mobilisent les données informatisées pour faire reconnaître la qualité de leurs pratiques, les autres soignants peinent à s’approprier de tels usages du numérique.maison de santé pluriprofessionnelle, dossier informatisé, données de santé, professions de santé, coordination
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 | 0,026 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,011 |
| Communication savante | 0,015 | 0,019 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».