« What's up, doc? » Le contexte, les limites et les enjeux de la médecine fondée sur des données probantes pour les cliniciens ( <i>Evidence-Based Medicine</i> )
Bibliographic record
Abstract
Contexte: L'approche d'une pratique fondée sur les données probantes n'est-elle pas une nouvelle façon de nommer la dialectique de la médecine moderne entre la pratique d'un art et l'éclairage des meilleures données de la science? Méthodes: Cet essai en trois temps traite d'abord du contexte historique; ensuite, il aborde les limites conceptuelles et méthodologiques de l'approche par l'illustration de méta-analyses portant sur quatre situations qui ont cours en psychiatrie, avant de donner le mot de la fin au clinicien. Contenu: Le contexte associe la pratique fondée sur les données probantes premièrement à la période des restrictions budgétaires et deuxièmement, à l'avènement d'Internet. L'engrenage de la machine apparemment bien huilée semble se détraquer quelque peu lorsqu'on tient compte des éléments subjectifs qui interviennent dans les méta-analyses. Par ailleurs, les données non publiées, l'homogénéisation des populations étudiées et la présomption que seules les études randomisées conduisent à une connaissance scientifique valable posent problème. Nous croyons que le clinicien ne sera pas surpris et pourra même ramener le débat aussi loin que celui d'autrefois entre les empiristes et les rationalistes. Conclusion: La pratique médicale fondée sur les données probantes dans sa vision la plus noble relance le questionnement nécessaire sur nos pratiques.
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 | 0.217 | 0.480 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.004 | 0.004 |
| Bibliometrics | 0.008 | 0.010 |
| Science and technology studies | 0.006 | 0.020 |
| Scholarly communication | 0.026 | 0.031 |
| Open science | 0.004 | 0.008 |
| Research integrity | 0.005 | 0.012 |
| Insufficient payload (model declined to judge) | 0.010 | 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; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
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".