Évaluation de la plateforme de formation en ligne MOTIV@CŒUR sur les interventions motivationnelles brèves auprès d’infirmières en soins aigus cardiovasculaires

Dans un contexte de prévention secondaire, les interventions motivationnelles brèves (IMB) effectuées par les infirmières ont le potentiel de réduire les facteurs de risque cardiovasculaires. De par sa flexibilité, la formation en ligne s’impose aujourd’hui comme une méthode pédagogique essentielle au développement des habiletés cliniques des professionnels de la santé. Le but de ce projet était d’évaluer la faisabilité, l’acceptabilité et l’effet préliminaire d’une plateforme de formation en ligne sur les IMB (MOTIV@CŒUR) sur les habiletés perçues et l’utilisation clinique des IMB chez des infirmières en soins cardiovasculaires. Pour ce faire, une étude pilote pré-post à groupe unique a été menée. MOTIV@CŒUR est composée de deux sessions d’une durée totale de 50 minutes incluant des vidéos d’interactions infirmière-patient. Dans chaque session, une introduction théorique aux IMB est suivie de situations cliniques dans lesquelles une infirmière évalue la motivation à changer et intervient selon les principes des IMB. Les situations ciblent le tabagisme, la non-adhérence au traitement médicamenteux, la sédentarité et une alimentation riche en gras et en sel. Il était suggéré aux infirmières de compléter les deux sessions de formation en ligne en moins de 20 jours. Les données sur la faisabilité, l'acceptabilité et les effets préliminaires (habiletés perçues et utilisation clinique auto-rapportée des IMB) ont été recueillies à 30 jours (± 5 jours) après la première session. Nous avons recruté 27 femmes et 4 hommes (âge moyen 37 ans ± 9) en mars 2016. Vingt-quatre des 31 participants (77%) ont terminé les deux sessions de formation en moins de 20 jours. À un mois suite à l’entrée dans l’étude, 28 des 31 participants avaient complété au moins une session. Un haut niveau d’acceptabilité a été observé vu les scores élevés quant à la qualité de l'information, la facilité d'utilisation perçue et la qualité de la plateforme MOTIV@CŒUR. Le score d'utilisation clinique auto-rapporté des interventions visant la confiance était plus élevé après les deux sessions qu’avant les sessions (P = .032). Bien que tous les scores fussent plus élevés après les deux sessions qu’au début, les autres résultats n’étaient pas statistiquement significatifs. En conclusion, l’implantation d’une plateforme de formation en ligne sur les IMB est à la fois faisable et acceptable auprès d’infirmières en soins aigus cardiovasculaires. De plus, une telle formation peut avoir un effet positif sur l'utilisation clinique d’interventions motivationnelles visant la confiance face au changement de comportement de santé.

Learning representations for Information Retrieval

La recherche d'informations s'intéresse, entre autres, à répondre à des questions comme: est-ce qu'un document est pertinent à une requête ? Est-ce que deux requêtes ou deux documents sont similaires ? Comment la similarité entre deux requêtes ou documents peut être utilisée pour améliorer l'estimation de la pertinence ? Pour donner réponse à ces questions, il est nécessaire d'associer chaque document et requête à des représentations interprétables par ordinateur. Une fois ces représentations estimées, la similarité peut correspondre, par exemple, à une distance ou une divergence qui opère dans l'espace de représentation. On admet généralement que la qualité d'une représentation a un impact direct sur l'erreur d'estimation par rapport à la vraie pertinence, jugée par un humain. Estimer de bonnes représentations des documents et des requêtes a longtemps été un problème central de la recherche d'informations. Le but de cette thèse est de proposer des nouvelles méthodes pour estimer les représentations des documents et des requêtes, la relation de pertinence entre eux et ainsi modestement avancer l'état de l'art du domaine. Nous présentons quatre articles publiés dans des conférences internationales et un article publié dans un forum d'évaluation. Les deux premiers articles concernent des méthodes qui créent l'espace de représentation selon une connaissance à priori sur les caractéristiques qui sont importantes pour la tâche à accomplir. Ceux-ci nous amènent à présenter un nouveau modèle de recherche d'informations qui diffère des modèles existants sur le plan théorique et de l'efficacité expérimentale. Les deux derniers articles marquent un changement fondamental dans l'approche de construction des représentations. Ils bénéficient notamment de l'intérêt de recherche dont les techniques d'apprentissage profond par réseaux de neurones, ou deep learning, ont fait récemment l'objet. Ces modèles d'apprentissage élicitent automatiquement les caractéristiques importantes pour la tâche demandée à partir d'une quantité importante de données. Nous nous intéressons à la modélisation des relations sémantiques entre documents et requêtes ainsi qu'entre deux ou plusieurs requêtes. Ces derniers articles marquent les premières applications de l'apprentissage de représentations par réseaux de neurones à la recherche d'informations. Les modèles proposés ont aussi produit une performance améliorée sur des collections de test standard. Nos travaux nous mènent à la conclusion générale suivante: la performance en recherche d'informations pourrait drastiquement être améliorée en se basant sur les approches d'apprentissage de représentations.