Projet IMPACT PHARMACIE sur la description du rôle et sur les retombées du pharmacien : mise en contexte
Bibliographic record
Abstract
Introduction : Dans le cadre des travaux de recherche de l’Unité de recherche en pratique pharmaceutique (URPP), nous nous sommes intéressés à la description du rôle et des retombées du pharmacien dans le domaine de la santé. Méthode : Ce premier article propose une mise en contexte du projet IMPACT PHARMACIE qui a permis la mise en ligne d’un site Internet regroupant les meilleures données descriptives du rôle et des retombées du pharmacien. Résultats : Cette mise en contexte comporte un bref rappel historique de l’évolution de la profession de pharmacien, une réflexion sur la nécessité de faire des choix, une recension des principales enquêtes nationales sur l’exercice de la pharmacie hospitalière, une description de l’évolution de la recherche en pratique pharmaceutique et une brève présentation du projet IMPACT PHARMACIE. Conclusion : Compte tenu des ressources disponibles, des choix s’imposent en pharmacie afin de faire un bon usage de l’expertise et de la ressource pharmaceutique. Si plusieurs enquêtes mettent en évidence la nature des soins et des services pharmaceutiques offerts dans le monde, aux États-Unis et plus particulièrement au Canada, il apparaît nécessaire d’encourager la recherche sur les pratiques pharmaceutiques. Le projet IMPACT PHARMACIE vise à répondre à ces enjeux afin de mettre en valeur les meilleures données décrivant le rôle et les retombées du pharmacien.
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 | 0.036 | 0.071 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.009 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| 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".