Influence des facteurs organisationnels sur l’implantation d’une approche personnalisée de dépistage du cancer du sein
Bibliographic record
Abstract
Objectif : La stratification en catégories de risque, selon des facteurs génétiques et cliniques, permettra bientôt d’améliorer les programmes de dépistage du cancer du sein. Nous avons voulu comprendre l’influence des dimensions organisationnelles sur l’éventuelle implantation de cette approche au Québec. Méthodes : Des entretiens semi-dirigés ont été effectués auprès de 16 décideurs et gestionnaires du programme québécois de dépistage du cancer du sein (PQDCS). Un cadre d’analyse institutionnel a été retenu pour analyser les données. Résultats : L’analyse thématique des entretiens a permis de dégager un consensus sur la nécessité d’implanter une approche davantage personnalisée, fondée sur la stratification du risque, en complémentarité avec le PQDCS. Plusieurs interviewés se sont montrés préoccupés par les besoins en termes de ressources humaines ainsi que par le rôle que médecins et infirmières pourraient être appelés à jouer. L’adaptation des outils de communication aux caractéristiques des populations locales, l’équité interrégionale dans l’accès aux services, et les effets sur le taux de participation au programme organisé en place (PQDCS) ont aussi été soulevés par les interviewés. Conclusion : Notre analyse fait ressortir l’importance du contexte organisationnel du système de soins où s’implantera l’approche par stratification du risque. La disponibilité de ressources humaines formées adéquatement, l’adaptation des outils aux réalités sociodémographiques, et la compatibilité avec les mesures de la performance constituent des éléments-clés à considérer.
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 | 0.028 | 0.066 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".