La télésurveillance : technologie de rupture et mutation de l’organisation des soins
Bibliographic record
Abstract
L’analyse de la mise en œuvre d’un dispositif de télésurveillance médicale en diabétologie intégrant un algorithme de calcul des doses d’insuline montre en quoi ses usages contribuent à transformer le « travail du patient » et son expérience de l’autosurveillance de la glycémie, ainsi que la relation thérapeutique. Les patients développent diverses tâches supplémentaires inhérentes à l’appropriation du dispositif, dont un travail d’information qui se caractérise par diverses tactiques de visibilisation des données glycémiques. La mise à l’épreuve du nouvel outil va contribuer à construire la confiance en celui-ci et à stabiliser son usage, de même que la relation régulière avec les professionnels de santé situés à distance. Les tâches de calcul des doses d’insuline étant confiées à un algorithme, les soignants sont confrontés initialement au flou qui entoure l’accompagnement thérapeutique. Au fur et à mesure, la relation avec les patients tend à se repositionner autour de l’écoute, du soutien et de la réassurance, ce qui amène les praticiens impliqués dans le dispositif à faire la part belle à la dimension psychosociale dans la relation de soin qui s’établit à distance et à (re)découvrir la diversité et l’ampleur des tâches inhérentes au « travail du patient ».
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 | 0.010 | 0.051 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.002 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".