Stratégies de recrutement et de formation des patients en éducation : une synthèse de la littérature
Bibliographic record
Abstract
Introduction : La mise en œuvre du concept de soins centrés sur le patient nécessite que les patients soient inclus tôt dans l’enseignement des futurs professionnels de la santé. L’engagement des patients dans les institutions de formation est un reflet de ce nouveau courant. La mise en place d’un programme de formation de patients en éducation est généralement suggérée, mais les lignes directrices sont rares. But : Cette recherche vise à identifier les stratégies de recrutement et de formation des patients en éducation. Méthode : Une synthèse de la littérature a été effectuée à partir des bases de données bibliographiques ERIC, PubMed et PsychInfo. Certains articles ont été sélectionnés manuellement à l’extérieur de ces sources, dans le but d’inclure les écrits rédigés par des auteurs francophones. Résultats : 25 articles sur 297 ont été retenus selon des critères de sélection spécifiques. L’établissement d’un réseau de recrutement centralisé contribue à la durabilité des programmes concernés. Certains critères spécifiques, liés à la disponibilité d’habiletés de communication et de collaboration, d’un savoir expérientiel et d’une stabilité émotionnelle, doivent être considérés dans la sélection des patients. L’accès à des sessions de formation, avec des objectifs d’apprentissage et un guide de formation, est avantageux pour les patients en éducation. Conclusion : La mise en œuvre d’un réseau de recrutement centralisé, d’entrevues de sélection et d’un programme de formation pour les patients en éducation facilite la mise en place d’un programme de patients en éducation efficace et durable.
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 | 0.022 | 0.085 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.003 |
| Bibliometrics | 0.015 | 0.013 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".