L'usage des indicateurs de performance sur la qualité-sécurité des soins : le cas de l'indicateur de tenue du dossier anesthésique
Bibliographic record
Abstract
Les indicateurs de qualité se multiplient à l’hôpital. Ils ont pour objectif affiché par les pouvoirs publics d’améliorer les pratiques médicales et maîtriser les risques. Or, la recherche en gestion montre que l’usage réel des indicateurs diffère souvent de la doctrine et que leur déploiement n’implique pas nécessairement appropriation. Dans cette perspective, l’article analyse l’usage d’un indicateur de tenue du dossier anesthésique (DAN). Il s’appuye sur une étude qualitative menée dans quatre hôpitaux ainsi qu’à la Haute Autorité de Santé (HAS) et la Société Française d’Anesthésie-Réanimation (SFAR). Les résultats révèlent que le périmètre d’appropriation de l’indicateur dans les établissements est limité mais qu’il a a des répercussions sur l’ensemble des équipes, notamment par la modification de la structure du dossier anesthésique. On note aussi des pratiques émergentes comme l’utilisation de l’indicateur dans la négociation de moyens par les service, et au niveau de la SFAR dans le réinvestissement pour la recherche.. Cette étude contribue à une meilleure compréhension de la façon dont les professionnels de santé s’emparent des outils de pilotage de la qualité, en créant parfois des usages non prescrits par les concepteurs. Elle apporte également un éclairage sur le rôle des sociétés savantes dans le déploiement des politiques publiques.
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 | 0.018 | 0.064 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".