La supervision par observation directe avec enregistrement vidéo (SODEV) en médecine générale : exploration des pistes d’optimisation
Bibliographic record
Abstract
La supervision par observation directe avec enregistrement vidéo (SODEV) est un levier reconnu pour travailler les compétences de communication en médecine générale. Cette étude vise à identifier et prioriser des pistes d’optimisation de la SODEV dans le DUMG Montpellier-Nîmes. Méthodes : étude qualitative par groupe nominal (séance unique) réunissant 11 participants (6 internes, 5 PAMSU). Le processus a suivi les étapes standards : idéation individuelle, mise en commun, clarification, puis vote hiérarchisé ; la séance a été enregistrée et intégralement transcrite. Les propositions ont été classées et regroupées a posteriori par thèmes. Résultats : trente-et-une propositions ont été formulées. Quatre thèmes ressortent, avec leurs scores cumulés : formation/outils (260 points), organisation (208 points), communication (82 points) et logistique (42 points). Les propositions les mieux notées portent sur l’anticipation organisationnelle (temps dédié de débrief, planification dès le début du semestre) et la formation conjointe internes/PAMSU aux grilles (Calgary, Attali). Les propositions incluent aussi l’intégration des traces dans le portfolio. Côté communication, l’adhésion des patients est meilleure lorsque l’explication est faite par le médecin ; le rôle des secrétaires, en première ligne pour l’information pratique, apparaît comme un relais à outiller (formation + supports). Sur le plan logistique, sont soulignées la qualité sonore des enregistrements et la nécessité d’une gestion centralisée du matériel. Discussion : Les acteurs priorisent des actions opérationnelles et transposables : calendrier semestriel avec créneaux dédiés (consultation allongée + débrief), formation commune et simplification des outils (grilles/canevas), supports standardisés pour l’information des patients (incluant les secrétaires), pilotage logistique du matériel par le DUMG, et valorisation dans le portfolio. Ces éléments constituent une feuille de route pour déployer durablement la SODEV localement.
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 | 0.018 | 0.033 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".