La communication médecin-patient : demande exprimée et motif réel de consultation
Bibliographic record
Abstract
Étude originale Résumé Introduction : La consultation de médecine générale est une rencontre entre un médecin et un patient demandeur de soin, qu'il recherche en exprimant un motif de consultation.La demande exprimée d'emblée n'est pas forcément sa principale préoccupation.Objectif : Déterminer quelles sont les différentes techniques de communication utilisées dans les entretiens qui favoriseraient l'expression des motifs secondairement révélés par le patient et établir leur moment d'apparition dans la consultation.Méthodes : Une étude qualitative descriptive a été réalisée à partir d'une base de données d'enregistrements audio de 72 consultations chez trois médecins généralistes exerçant dans trois cabinets libéraux de Gironde.Les verbatims obtenus par retranscription manuelle ont été analysés par la méthode de double codage avec triangulation des données.Nous avons établi un score de communication selon le guide de Calgary-Cambridge.Résultats : Les motifs secondairement révélés sont principalement énoncés au cours de l'interrogatoire.Nous retrouvons majoritairement des techniques de communication comme la facilitation, les questions ouvertes et fermées, la reformulation, la clarification, le résumé, l'empathie, l'implication active, la légitimation, l'humour et les menus-propos.
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 | 0.007 | 0.046 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.020 | 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".