Conception d'un cadre d'évaluation multi-dimensionnel de la télésurveillance pour les patients insuffisants cardiaques
Bibliographic record
Abstract
La télésurveillance est une branche de la télémédecine définie comme l'utilisation de technologies de communication pour surveiller et transmettre des données sur l'état de santé des patients aux professionnels de santé à distance. Elle peut améliorer la gestion de l'insuffisance cardiaque, mais il n'existe pas de cadre d'évaluation standardisé permettant d'évaluer son impact global. Dans cette thèse, nos objectifs étaient de construire un cadre d'évaluation multidimensionnel pour les projets de télésurveillance de l'insuffisance cardiaque, tout en listant et en organisant les critères et les indicateurs d'évaluation. Afin d'atteindre ces objectifs, nous avons d'abord effectué une revue systématique sur les études d’évaluation pour les systèmes de télésurveillance de l’insuffisance cardiaque. Nous avons constaté que les cadres existants dans la littérature se concentrent principalement sur les dimensions clinique et économique du projet et beaucoup moins sur les dimensions technique et organisationnelle. Par conséquent, cette thèse se concentre sur les critères et les indicateurs techniques et organisationnels pertinents pour construire ce cadre d'évaluation. La dimension d'évaluation technique a été construite en collaboration avec des experts en télémédecine et des utilisateurs finaux. La construction de la dimension organisationnelle a fait l'objet d'une enquête de consensus Delphi pour valider les critères et les hiérarchisér en fonction de leur degré d'importance en collaborant avec différents experts en France et au Québec. Notre cadre d'évaluation de la télésurveillance couvre 5 dimensions : clinique, économique, technique, organisationnelle et éducation, réparties tout au long du cycle de vie du projet de télésurveillance.
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 | 0.047 | 0.091 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.006 | 0.004 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.011 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".