Gérer et utiliser les asymétries relationnelles en éducation thérapeutique du patient : la coordination soignants-patients dans la conception d’un programme d’éducation thérapeutique en oncologie
Bibliographic record
Abstract
Cet article étudie la façon dont sont gérés des effets de hiérarchie médicale entre professionnels de santé et patients par deux soignantes pilotes d’un projet de coconstruction d’un outil d’éducation thérapeutique en lien avec l’usage d’anticancéreux oraux. Nous observons comment les processus par lesquels les coordinations médecins-patients mises en œuvre par les pilotes permettent de répondre à un paradoxe consistant à produire une relation symétrique dans un contexte fondamentalement asymétrique. La recherche s’appuie sur une enquête qualitative constituée d’entretiens (10) et d’observations menées sur une recherche interventionnelle. Nous montrons comment les pilotes du projet œuvrent à favoriser cette coordination par la sélection de profils et de compétences d’usagers appropriés. Par différents modes de sélection des usagers et d’encadrement des ateliers de coconstruction, ils tentent de minorer l’asymétrie relationnelle médecin-patient pour faire évoluer le rapport au savoir des divers protagonistes et les rapports de force historiquement marqués par la domination médicale. Du point de vue des pilotes, ceci favorise l’émergence de patients partenaires et experts, et produit des effets de coformation entre les participants à la construction du programme d’éducation thérapeutique.
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 | 0.025 | 0.048 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.001 | 0.003 |
| 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".