La culture de l’information comme levier de changement dans le système de santé français. Le rôle des nouvelles organisations d’interface ou une approche coopérative autour de dynamiques de proximité
Bibliographic record
Abstract
L’État-providence, notamment à travers ses systèmes de santé, est en crise dans tous les pays développés. Des réponses ont été recherchées autour de nouveaux usages de l’information et de la communication. En France, avec la question spécifique des cloisonnements, les nouvelles organisations d’interface constituent de nouveaux espaces d’innovation et de coopération entre la médecine de ville et le secteur hospitalier. Nous aborderons la question de l’organisation du parcours de soins du patient avec le dilemme traçabilité / sécurité des données. En nous appuyant sur la notion de situation, nous envisagerons ensuite de nouvelles pratiques informationnelles pour une approche d’information "durable" favorisant les interactions et la coopération. Nous montrerons l’évolution de la coopération : de la coordination par les procédures à de nouveaux services intégrés autour du patient. Une nouvelle culture de l’information peut devenir un levier d’intelligence organisationnelle et d’amélioration continue avec la participation de tous les acteurs y compris les patients, avec la question centrale de la confiance, entre tous les acteurs et envers les outils développés.
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 | 0.027 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.009 | 0.018 |
| Scholarly communication | 0.019 | 0.014 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".