Influence des ressources disponibles sur le raisonnement clinique : quelles preuves scientifiques ? Résultats d'une recension élargie
Bibliographic record
Abstract
Introduction. Le manque de ressources est régulièrement ciblé comme la source des problèmes des systèmes de la santé, y compris en ergothérapie. Pourtant, l’ajout de ressources ne se traduit pas nécessairement par une satisfaction accrue des clients à l’égard des interventions. Puisque le choix de ces interventions repose sur le raisonnement clinique du professionnel, il importe de connaître les données probantes associant les ressources disponibles et le raisonnement clinique. Objectif. Explorer le lien entre ressources disponibles et raisonnement clinique. Méthodes. Les écrits scientifiques de 1980 à 2011 ont été recensés à l’intérieur de 14 banques de données. Les stratégies de recension, validées par deux documentalistes, ont inclus notamment la recherche manuelle de la bibliographie des articles retenus. À l’aide de grilles, chaque écrit retenu a été évalué par deux personnes en regard du type et de la qualité de la méthodologie utilisée. Les scores obtenus ont été combinés en une cote de niveau de preuve scientifique. Les écrits ont ensuite été analysés qualitativement et synthétisés. Résultats. Le lien entre ressources disponibles et raisonnement clinique apparaît rarement étudié : les écrits scientifiques recensés sont peu nombreux (n=8), parcellaires et de faible niveau de preuve. Un lien semble exister entre ressources disponibles et raisonnement clinique mais une association positive et linéaire est impossible à établir pour le moment. Conclusion. Une meilleure compréhension du lien entre ressources disponibles et raisonnement clinique pourrait avoir un impact considérable sur les choix en matière d’allocation des ressources en santé, y compris en ergothérapie.
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 | 0.087 | 0.208 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.007 |
| Bibliometrics | 0.008 | 0.009 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".