Comment améliorer la prise en charge de l’obésité par le médecin généraliste, avant, pendant et après un programme d’éducation thérapeutique ? Étude qualitative en miroir par entretiens semi-dirigés de médecins et de patients
Bibliographic record
Abstract
Contexte : l’obésité est une maladie chronique, fréquente et responsable de deux millions de décès par an dans le monde (1). En 2020, près d’un français sur deux est en situation de surpoids et/ou d’obésité. Les projections de l’Organisation de coopération et de développement économique (OCDE) montrent que les taux de surpoids augmenteront de 10% dans les dix prochaines années (2).Objectif : l’objectif principal de cette thèse est de trouver des outils pour améliorer la prise en charge des patients en situation d’obésité par le médecin généraliste avant, pendant et après un programme d’éducation thérapeutique à l’obésité.Matériel et méthode : des entretiens semi-dirigés ont été conduits auprès de patients obèses ayant suivi un programme d’éducation thérapeutique (cohorte Carambole) et auprès de médecins généralistes de la région Provence Alpes Côte d’Azur (PACA). Une analyse de données phénoménologique interprétative auprès des patients ainsi qu’une analyse de données par théorisation ancrée auprès des médecins ont permis l’élaboration de deux modèles explicatifs. Ces deux modèles ont ensuite été interprétés en miroir pour élaborer une synthèse commune.Résultats : les analyses ont permis de soulever plusieurs thèmes émergents communs aux deux études : la délivrance d’information, le soutien psychologique, le suivi régulier, l’orientation et la coordination des patients. Ces résultats ont structuré les axes de prises en charge, permettant l’élaboration d’un guide pratique destiné aux patients et aux médecins.Conclusion : la relation médecin – patient est au cœur de toutes les pathologies. L’obésité a toute sa place pour en faire partie. Le médecin et son patient doivent évoluer conjointement et durablement pour un suivi plus adapté et personnalisé. Un guide commun rassemblant des informations leur étant destinés permettrait de leur fournir des clés et des ressources nécessaires à une bonne prise en charge de l’obésité.
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 | 0.031 | 0.047 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".