La collaboration interprofessionnelle lors de la prise en charge d’un polytraumatisé aux urgences : une revue de la littérature
Bibliographic record
Abstract
Introduction : la collaboration interprofessionnelle (CIP) en contexte de traumatologie demeure un défi pour les professionnels de la santé qui doivent réagir avec rapidité et établir des priorités d’intervention selon les standards de pratique en traumatologie. Méthode : une revue de la littérature a été conduite en explorant les banques de données CINAHL, Scopus, Web of Science et Pubmed en lien avec la traumatologie et la CIP afin de, principalement, faire l’état des connaissances relatives à la CIP en contexte de traumatologie. Résultats : un nombre significatif de références en lien avec la traumatologie (n=14), la CIP (n=38), puis en lien avec ces deux thématiques (n=15), ont été recensées et analysées. Conclusion : peu d’études se sont intéressées à la CIP en contexte de traumatologie. Les auteurs l’ayant fait semblent porter une attention particulière au rôle du team leader et à la compétence du leadership , tandis que d’autres se sont plutôt intéressés à la communication et aux perceptions des rôles des différents professionnels de la santé. En outre, ces écrits démontrent principalement qu’encore beaucoup de lacunes subsistent au sein des équipes interprofessionnelles en traumatologie, telles que la communication, la coordination des soins ainsi que la clarification des rôles.
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 | 0.038 | 0.118 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.012 | 0.017 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.012 | 0.014 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.004 | 0.005 |
| 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".