Proposition d'un modèle d'aide à la décision clinique pour promouvoir la médecine basée sur les évidences. Application à la prescription transfusionnelle
Bibliographic record
Abstract
La médecine basée sur les évidences (MBE) cherche à améliorer les soins et les traitements dispensés aux patients. Faciliter son application demanderait aux praticiens de se tenir au courant des acquis les plus récents en recherche clinique. Cette nécessité se heurte cependant à plusieurs obstacles tels le manque de temps ou le volume croissant des publications scientifiques. Pour améliorer l’accessibilité aux résultats récents pour les cliniciens lors de l’exercice de leurs activités cliniques, les systèmes d’aide à la décision clinique (SADC) peuvent devenir des vecteurs clés et privilégiés pour instaurer la MBE. Notre modèle permettra à ces systèmes d’opérer une recherche d’information ciblée au moment de la prise de décision clinique et ainsi devenir un instrument clé favorisant cette actualisation des connaissances. Cela permettra aux médecins d’avoir un complément d’information et d’évidences au moment de leur prise de décision. Pour y parvenir, nous présentons une méthodologie qui, à partir des termes qui se trouvent dans les règles de décision d’un SADC, utilise un processus de marche aléatoire afin d’identifier de nouveaux concepts pertinents dans une termino-ontologie médicale (UMLS). Cette marche aléatoire est biaisée par la fréquence de co-occurrences entre les termes de départs et les concepts candidats. Cette méthode est matérialisée par un logiciel (appelé ICPU) générique, lequel est paramétrable pour d’autres domaines médicaux et d’autres utilisations par exemple dans le domaine cognitif. En second lieu, le modèle incorpore une recherche d’information des publications scientifiques plus efficace grâce à l’utilisation des concepts pertinents ainsi retrouvés. Pour y parvenir, une nouvelle approche est proposée pour étendre une requête initiale qui exprime une règle de décision. Cette extension de requête ontologique est renforcée par une pondération qui reflète l’importance des concepts au sein de leur voisinage termino-ontologique. Pour affiner cette recherche d’information, l’extension de requête est soumise à une discrimination des concepts candidats suivant le paradigme PICO qui catégorise les concepts cliniques. Finalement et pour étudier l’impact d’un point de vue décisionnel et cognitif de ce modèle auprès des praticiens, une étude clinique randomisée a été menée au CHU de Saint Justine (Montréal). Les résultats de cette enquête démontrent un intérêt effectif pour ce modèle et un impact réel sur certaines décisions liées à la transfusion. De plus, certains des éléments cognitifs en jeu ont été identifiés pour améliorer ce modèle. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : termino-ontologie, marche aléatoire, cooccurrences, recherche d’information, aide à la décision, extension de requête, étude clinique randomisée, PICO
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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 teacher head, 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".