Plaidoyer pour l’intégration des patients formateurs dans l’enseignement des futurs médecins généralistes à partir de l’expérience de l’université Sorbonne Paris Nord et de la littérature internationale
Bibliographic record
Abstract
Dans un contexte de virage ambulatoire, d’augmentation des pathologies chroniques et de nécessité de rendre plus effectifs les parcours de soins encore trop souvent opaques pour les patients, il est urgent de repenser la place et le rôle des différents acteurs du système de soins primaires – en particulier, l’intégration du patient dans la formation spécialisée, mais aussi la formation initiale des médecins généralistes qui est susceptible d’améliorer leurs compétences humaines et cliniques et de changer en conséquence les représentations des étudiants sur leur exercice futur. Certains programmes intègrent des patients dans l’enseignement depuis plusieurs années. Leur impact dépasse la prise en compte de la perspective patient et touche toutes les compétences des futurs médecins. Leur implication peut et doit se faire à tous les niveaux, de l’animation des cours à la gouvernance des différentes instances. Cela doit ouvrir la voie à un partenariat plus harmonieux dans la gestion de soins primaires, voire au-delà. L’université peut avoir un rôle à jouer via la recherche académique tout en adossant cette mission à une nouvelle forme de responsabilité sociale, en permettant l’émergence d’un système non seulement basé sur les preuves, mais également sur des valeurs communes avec les usagers.
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 | 0.009 | 0.018 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.022 | 0.003 |
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".