Un outil web pour soutenir le partenariat patients-soignants –
Bibliographic record
Abstract
Contexte : Les interventions web sont proposées pour engager les patients dans leurs auto-soins et soutenir la collaboration avec leurs soignants. Objectif : Décrire la conception, la validation et l’utilisation du site web Discutons Santé (DS) en vue de soutenir le partenariat patients-soignants. Méthode : Le développement de DS s’est basé sur des modèles reconnus de la communication en santé. Neuf « utilisateurs-tests » ont complété un questionnaire et participé à un groupe de discussion pour valider le contenu et l’utilisation de DS. Trois types de stratégies de diffusion ont été testés dans cinq cliniques de première ligne (PL). L’utilisation de DS a été évaluée par 156 patients de six autres cliniques. Résultats : Les informations sur la validation fournies par le questionnaire et le groupe de discussion convergent. Leur évaluation des caractéristiques du site varie de 4,3 à 4,5 sur une échelle de 0 à 5. Des stratégies de diffusion proposées, la remise d’un signet au patient par le soignant s’est avérée la plus porteuse. Concernant l’évaluation du site, peu de patients faiblement scolarisés se sont préparés à leur rencontre avec leur soignant. Conclusion : DS offre des outils de formation à la communication et à la gestion des maladies aux patients, aux associations de patients, ainsi qu’aux milieux cliniques. Cependant, l’inertie de la pratique et la diversité de la clientèle exigent de tenir compte de plusieurs éléments différents pour favoriser son adoption à la fois par les soignants et leurs patients. D’autres études en cours évaluent l’impact de DS sur les consultations médicales en soins de première ligne et en cancérologie.
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 | 0.016 | 0.040 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.005 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".