Contexte et retombées de l’engagement de patients partenaires en milieu clinique : une étude qualitative descriptive
Bibliographic record
Abstract
\nIntroduction : Engager les patients comme partenaires en milieu clinique est une approche pertinente pour répondre aux enjeux des systèmes de santé. Peu d’études explorent l’accompagnement de patients partenaires (PP) auprès de patients vivant avec une maladie chronique similaire. Objectifs : Cette étude permet de décrire le contexte d’engagement des PP dans un milieu clinique, les facteurs influençant cet engagement et ses retombées. Méthodes : Nous avons utilisé un devis qualitatif descriptif, des entrevues individuelles semi-dirigées suivi d’une analyse thématique des données. Résultats : Au total, 10 personnes ont participé aux entrevues : 1 patient, 5 PP et 4 professionnels. La majorité des PP sont engagés principalement dans le secteur des soins et certains dans l’enseignement. Les participants perçoivent plusieurs facteurs qui favorisent l’engagement des PP, comme avoir suivi un programme de formations d’éducation thérapeutique et l’acceptation de la maladie ainsi que des facteurs limitants comme la timidité et le lieu de l’intervention. L’engagement des PP favoriserait l’autogestion de la maladie en plus de briser l’isolement des patients. Conclusion : Ces données préliminaires permettent de mieux saisir l’engagement des PP en milieu clinique et les retombées positives. L’engagement de PP est un incontournable pour favoriser l’autonomie et le bien-être des personnes vivant avec une maladie chronique.\n
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 | 0.028 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".