Vers des soins intégrés en santé mentale : l’expérience du réseau Prépsy
Bibliographic record
Abstract
B ien que les pratiques de réseaux informels en santé aient été présentes en France dès les années quatre-vingt, notamment par des modes de coopération entre les professionnels de santé installés en ville (omnipraticiens), l'essor des réseaux formalisés et financés est apparu dans les années quatre-vingt-dix principalement autour de la problématique de l'accès aux soins des personnes victimes du VIH.Visant en premier lieu la coordination entre les équipes hospitalières, les professionnels médicaux et paramédicaux exerçant en ville, et les acteurs du champ social -assistantes sociales, éducateurs, services sociaux municipaux ou départementaux, associations -les réseaux de santé développent leur activité autour de quatre axes : 1) l'analyse des besoins en terme de problématiques de santé sur un territoire donné ; 2) la formation pluri-professionnelle ; 3) la coordination des intervenants autour de la personne comme auprès du professionnel afin de l'aider dans son exercice quotidien ; 4) la santé communautaire au travers d'actions d'information et de prévention qui associent les personnes malades et leur entourage.Nés de l'initiative des professionnels et des associations d'usagers, les réseaux ont progressivement été reconnus et encadrés par des textes législatifs fixant leur cadre de développement territorial, leurs modalités de fonctionnement et les critères d'évaluation de leur action.Il existe aujourd'hui plus de 850 réseaux de santé en France qui se répartissent soit par pathologie soit par approche populationnelle.Ils se sont essentiellement développés dans le domaine de la cancérologie (+ de 25 %), les soins palliatifs (+ de 25 %), le diabète (16 %), l'accès aux Santé mentale au Québec, 2009, XXXIV, 1, 221-238 221 * M.D., psychiatre, directeur médical, Réseau de santé mentale Prépsy, Paris -Service hospitalo-universitaire Sainte-Anne, Paris -Membre du Haut Conseil de la Santé Publique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.036 | 0.020 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.005 | 0.012 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".