MétaCan
Menu
Back to cohort
Record W4404198135 · doi:10.4103/cjrm.cjrm_72_24

À la défense de la ‘non-adhésion’ aux directives

2024· article· fr· W4404198135 on OpenAlexvenueaboutno aff
Peter Hutten-Czapski

Bibliographic record

VenueCanadian Journal of Rural Medicine · 2024
Typearticle
Languagefr
FieldHealth Professions
TopicHealth, Medicine and Society
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPhilosophyPolitical science

Abstract

fetched live from OpenAlex

Les directives sont souvent promulguées par des spécialistes et des intérêts particuliers sans tenir compte du fait que l’adoption d’une directive est compensée par une réduction des ressources, plus spécifiquement du temps pour d’autres soins. Il n’y a pas assez de temps dans une journée pour suivre toutes les directives. 1,2 Compte tenu de ces considérations qui donnent à réfléchir, examinons l’article de ce numéro intitulé « Adhésion au Canadian CT Head Rule (CCHR, règlement canadien relatif à la tomodensitométrie de la tête) dans un hôpital rural ne disposant pas d’un service de tomodensitométrie ». Dans cet hôpital, ce taux n’était que de 35%. Permettez-moi tout d’abord de dire que j’apprécie le CCHR. Lorsque je travaillais dans des hôpitaux ruraux ne disposant pas d’une tomographie par ordinateur interne, la citation de ce règlement était particulièrement utile pour permettre le transfert d’un patient que je voulais, parfois désespérément, transférer ailleurs. Cependant, j’avoue que ce règlement a été utilisé de manière assez sélectif et que les transferts pour une tomodensitométrie étaient assez similaires à ceux de l’hôpital étudié. Ce manque « d’adhésion » n’est pas propre au Canada. Un rapide coup d’œil à la littérature m’a permis de remarquer que l’utilisation de la tomodensitométrie pour les traumatismes crâniens mineurs dans un hôpital rural de Nouvelle-Zélande est de 22%. 3 Alors, est-ce si mauvais? L’excès de directives en matière de soins urbains et spécialisés peut conduire à penser que les médecins généralistes ruraux offrent des soins de qualité inférieure. C’est une idée fausse à laquelle souscrivent même certains généralistes ruraux. Il n’y a aucune preuve à l’appui. En ce qui concerne la directive en question, elle a été élaborée par dix grands hôpitaux urbains canadiens dotés d’un personnel composé de résidents et d’étudiants inexpérimentés. 4 Ces hôpitaux avaient déjà un taux élevé de tomodensitométrie (interne) pour les traumatismes crâniens mineurs. Le CCRH a réussi à réduire le taux de tomodensitométrie sans augmenter le nombre de cas manqués. Quelle est donc la pertinence de ce règlement pour les petits hôpitaux ruraux dont le personnel est essentiellement composé de médecins généralistes expérimentés et qui ne disposent pas d’une tomographie par ordinateur interne? Dans ce cas, l’application du CCRH augmenterait considérablement le nombre de tomodensitométries, et il n’a pas encore été prouvé que cela améliorerait les résultats cliniques. Pensons aux ressources impliquées, notamment la tomodensitométrie, le temps nécessaire et le transfert. Certains patients ne veulent vraiment pas quitter la ville, surtout pour un traumatisme crânien « mineur ». La crédibilité du praticien est donc également mise à mal (car, bien entendu, la grande majorité des têtes examinées par tomodensitométrie sont normales). En fin de compte, nous ne pouvons pas être tenus de respecter des directives qui ne s’appliquent pas à nous. Le jugement clinique nous amènera à peser les questions qui doivent être abordées chez nos patients, certes complexes. Nous devons toujours établir des priorités pour des raisons cliniques, en respectant les valeurs du patient concerné. Parfois, nous appliquerons les directives, et parfois, nous ne le ferons pas. Cependant, nous ne devrions pas être réprimandés pour nos décisions.

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 imitation

Not 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.

metaresearch head score (Codex)0.032
metaresearch head score (Gemma)0.115
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Commentary · Consensus signal: Commentary
Teacher disagreement score0.219
Threshold uncertainty score0.435

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0320.115
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.002
Science and technology studies0.0130.025
Scholarly communication0.0130.006
Open science0.0040.008
Research integrity0.0110.021
Insufficient payload (model declined to judge)0.0210.006

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.

Opus teacher head0.032
GPT teacher head0.417
Teacher spread0.386 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreCommentary

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".

Quick stats

Citations0
Published2024
Admission routes2
Has abstractyes

Explore more

Same venueCanadian Journal of Rural MedicineSame topicHealth, Medicine and SocietyFrench-language works237,207