Relations de soins & autotests à visée diagnostique. Recherche Exploratoire Qualitative
Bibliographic record
Abstract
L'introduction en officine des autotests à visée diagnostique est un phénomène récent en Belgique. Les autotests peuvent être considérés comme un moyen de responsabiliser les patients et de les aider à prendre des décisions éclairées sur leur santé, ils représentent également un défi pour la relation de soins : en premier lieu, la relation entre le patient et les professionnels de santé, et en second lieu celle entre les pharmaciens et les médecins généralistes. Cette recherche visait à explorer comment ce nouvel élément controversé du système de santé influence les relations de soins. Une recherche exploratoire qualitative a été menée par entretiens semi-directifs auprès de 17 patients, 25 médecins, 16 pharmaciens de la région de Bruxelles Capital. Elle vise à obtenir une vue d'ensemble des relations actuelles patient-médecin-pharmacien, explorer comment les patients et les professionnels de santé perçoivent les autotests et comprendre les changements perçus dans la relation entre les patients et les professionnels de santé ainsi qu’entre les professionnels de santé suite à l'introduction des autotests en pharmacie. Les entretiens ont été menés d'août 2018 à juin 2019. les entretiens ont été entièrement retranscrits et codés selon un systèmes de catégorisation mixte. Une analyse thématique a été réalisée. Les autotests à visée diagnostique n'ont pas été un succès sur le plan du volume des ventes, ils questionnent toutefois des relations, qui massivement ne sont pas encore partenariales. le présent dossier comprend le rapport de recherche, une synthèse par groupe (patients, médecins, pharmaciens), une synthèse des résultats et des recommandations. La synthèse et les recommandations sont également proposés séparément.
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 | 0.027 | 0.061 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".