Epidemiologie des interventions médicales dans les salles de spectacles parisiennes
Bibliographic record
Abstract
Tous les soirs, dans les salles de spectacle parisiennes, un médecin est de garde afin d'assurer un service médical. Ceci répond à l'obligation légale faite par l'ordonnance préfectorale du premier janvier 1927. L'activité médicale dans les salles de spectacle est une activité importante. Celle-ci n'a jamais été étudiée jusqu'à ce jour. Le médecin de garde intervient auprès du public, des acteurs et du personnel. Il rempli une fiche d'intervention, qu'il remet à l'Association des médecins chefs des théâtres de Paris et de la Région Parisienne, après chaque intervention. Nous avons procéder à une analyse statistique de ces fiches d'interventions (430 au total). L'activité médicale est très diversifiée. La situation la plus courante est représentée par les malaises bénins. Mais le médecin peut intervenir pour de la traumatologie, des troubles digestifs et des consultations sans caractères d'urgences. Les malaises graves ne sont pas absents et représentent 7 % des interventions. Le motif d'intervention varie en fonction du type de spectacle. On constate beaucoup de malaise de type vagal dans les spectacles de musique contemporaine, de traumatologie dans les spectacles de music-hall, de crises d'asthme dans les cirques avec des animaux. Afin d'obtenir des données plus précises pour une analyse prospective future, nous avons proposé une amélioration du recueil des données. Quelques recommandations de bonne pratique médicale ont été données afin d'améliorer la prise en charge des patients. Enfin, nous avons proposé une trousse médicale-type pour répondre aux motifs d'intervention médicale les plus courants.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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; both teacher heads agree on what is shown here.
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".