Valeur clinique et économique des systèmes de gestion de l’information et de déploiement du dossier électronique du patient (DEP) en Suisse
Bibliographic record
Abstract
La Suisse accuse un retard important en matière de digitalisation de la santé . Concernant le système de soins, le développement des systèmes de gestion et d’échange d’information au niveau des patient.es devrait être une priorité, ceux-ci permettant d’améliorer la qualité des prises en charge, la continuité des soins, et in fine, une utilisation plus efficiente des ressources. Au-delà des systèmes primaires, qui stockent les informations collectées par les prestataires (comme le dossier médical informatisé ou les systèmes d’information hospitaliers), la Suisse se concentre actuellement sur la mise en oeuvre du dossier électronique du patient (DEP), un système secondaire qui stocke des documents produits par les prestataires de soins, qui sont alors gérés et détenus par les patient.es. Au 31 janvier 2024, environ 40 000 DEP ont été ouverts en Suisse, ce qui représente moins de 1% des résident.es. Dans ce rapport, en s’appuyant sur la littérature internationale, nous discutons de la valeur (ou plus-value) clinique et économique des systèmes de gestion des données des patient.es, et décrivons les enjeux liés au déploiement de ces outils en termes d’investissement et de bénéfices attendus. L’objectif du document est d’en tirer des enseignements pour une mise en oeuvre plus efficace et efficiente du DEP en Suisse. Bien qu’il existe peu de littérature sur des systèmes entièrement comparables au DEP tel que défini en Suisse, nous nous appuyons sur l’évaluation d’outils mettant en relation plusieurs systèmes primaires qui permettent une circulation de l’information entre prestataires/lieux de soins. Ces systèmes sont généralement la propriété d'un prestataire et l'accès est autorisé aux patient.es et aux tiers, ou sont conservés par les patient.es tout au long de leur vie. Nous commençons par la présentation d’un cadre conceptuel qui décrit les étapes de mise en oeuvre de ces outils et qui permet de mieux appréhender leur plus-value clinique et économique. Nous illustrons ensuite ce cadre à travers l’expérience canadienne. Enfin, nous discutons de la transférabilité des résultats dans le contexte suisse et formulons quelques recommandations.
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 | 0.019 | 0.062 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 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".