Bibliographic record
Abstract
Le pancréas artificiel, une technologie médicale portative, est développé pour simplifier et améliorer la gestion et le contrôle du diabète de type 1. Il est constitué de deux dispositifs médicaux déjà commercialisés, soit la pompe à insuline et le lecteur de glycémie en continu. Un logiciel spécialisé, qui est la composante innovante de ce système, ajuste automatiquement les infusions d’insuline de la pompe à insuline aux lectures prises par le lecteur de glycémie en continu. Comme toute technologie médicale, le pancréas artificiel engendre des enjeux psychosociaux et éthiques qui influenceront son succès clinique auprès des personnes atteintes du diabète de type 1, mais ces enjeux n’ont pas été suffisamment approfondis. Ainsi, ce projet de recherche a pour objectif d’identifier et de caractériser les enjeux psychosociaux et éthiques soulevés par le pancréas artificiel. Pour y parvenir, nous avons effectué une analyse éthique de la littérature biomédicale sur le pancréas artificiel suivie d’une étude qualitative des perspectives de personnes atteintes du diabète de type 1 sur cette technologie. Les enjeux psychosociaux et éthiques identifiés par l’analyse éthique et l’étude qualitative se regroupent en cinq catégories : (1) le partage du contrôle du diabète de type 1 avec le pancréas artificiel, (2) l’image corporelle et la corporalité, (3) l’encadrement optimal et les attentes réalistes, (4) l’accès au pancréas artificiel et (5) la confidentialité, la sécurité et la sûreté. Puisque ces enjeux influenceront le succès du pancréas artificiel, ils sont pertinents pour les professionnels de la santé, les développeurs de la technologie et les décideurs publics.
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 | 0.008 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".