Triage des appels de gestion des symptômes avec et sans guides de pratique : étude de cas
Bibliographic record
Abstract
La présente étude de cas fait la démonstration de l’utilisation des guides de pratique d’évaluation des symptômes élaborés par l’équipe pancanadienne de triage des symptômes et aide à distance en oncologie (COSTaRS : Pan-Canadian Oncology Symptom Triage and Remote Support) pour améliorer la qualité des services infirmiers téléphoniques. Le cas cité en exemple a été préparé à partir d’une évaluation des dossiers de consultations téléphoniques réalisées auprès de 299 patients suivis dans le cadre de programmes d’oncologie ambulatoire. On y décrit les appels qui ont eu lieu entre une femme de 49 ans souffrant d’un cancer du côlon avec métastases et les trois infirmières autorisées lui ayant répondu. La patiente était en traitement de chimiothérapie par intraveineuse (jour 1) et par voie orale (jours 1 à 14). Les jours 3, 5 et 6, elle a téléphoné à son infirmière pour signaler des nausées et des vomissements. Les deux premières infirmières lui ont conseillé de prendre des antiémétiques sans documenter leur évaluation. La troisième infirmière a utilisé un guide COSTaRS pour procéder à une évaluation approfondie, passer en revue la médication prise et discuter de stratégies d’autogestion des symptômes.
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 | 0.004 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".