Bibliographic record
Abstract
Le mot « crise » en chinois est décrit par deux idéogrammes signifiant « danger » et « opportunité ». Si nous avons facilement perçu la notion de danger à travers la crise de la COVID-19, celle d’opportunité semble moins évidente au premier abord. Comme le dieu Janus, la crise de la COVID-19 a deux faces, d’ailleurs souvent médiatisées. La face probablement la plus visible pour les soignants est la mise en tension sans égale des systèmes de soins à travers le monde. Les images de malades agonisant dans les couloirs témoignent de cette tension qui, comme la maladie, peut être qualifiée d’émergente. Alors même que les hôpitaux étaient débordés, les cabinets médicaux étaient désertés. En France, cet imbroglio a même été organisé par l’État avec une recommandation initiale aux patients de ne plus consulter la première ligne... L’État a par la suite inversé la vapeur. Était-ce une réelle prise de conscience du risque de négliger la prévention ou le soin des maladies chroniques ? Rien n’est moins sûr, c’était peut-être simplement une réponse d’apaisement aux professionnels qui avaient manifesté leur étonnement et mécontentement. Il n’est pas certain que l’État ait compris la notion de syndémie et son entrelacement de facteurs biologiques et environnementaux1. Il n’est pas certain que l’État ait compris l’importance de la première ligne, de la prévention et des soins apportés aux maladies chroniques avec la prise en compte des inégalités sociales. Et pourtant, les réanimations débordaient de patients avec des maladies chroniques, dont le gradient social est criant… Une première ligne forte pourrait donc modifier l’impact d’une maladie infectieuse émergente. Alors danger ou opportunité pour le système de santé ? L’autre face très médiatique est probablement celle de la crise des savoirs. Tous les savoirs ont été malmenés : scientifiques, médicaux, expérientiels, profanes… Utilité des masques, saga de l’hydroxychloroquine, hésitation vaccinale, efficacité du dépistage communautaire2, gains de fonctions, controverses scientifiques ont occupé les plateaux de télévision et les esprits. Comment la première ligne, les médecins généralistes, ont-ils vécu dans et avec ce brouhaha infodémique3? Comment ont-ils géré l’incertitude inhérente à leur métier, mais exacerbée par le contexte de crise ? Malgré toutes les incertitudes autour de tous ces savoirs, comment ne pas saluer aussi un séquençage du virus express, un développement vaccinal aussi rapide ? La première ligne a participé à la recherche avec le test de médicaments avant l’orage cytokinique. Elle a aussi assuré sa transposition didactique auprès des patients en leur expliquant le développement rapide des vaccins et leur balance bénéfices/risques. Alors danger ou opportunité pour les savoirs ? Face à toutes ces questions, un petit groupe de médecins de première ligne a témoigné, réfléchi, et réfléchit encore aux deux faces du mot « crise ». Vous découvrirez dans exercer un résumé de leurs réflexions par pays (Belgique, Canada, France, Suisse) et, pour aller plus loin, les minutes d’un symposium sur le sujet qui a eu lieu à Lausanne en septembre 2022 publié dans la Revue médicale suisse4. Tous ces travaux ne sont que le début de la réflexion de la première ligne francophone, puisque le dieu Janus regarde à la fois vers le danger et vers l’opportunité, vers le passé et vers l’avenir.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.005 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.043 | 0.005 |
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".