This title slide is headed "IA en Rétroaction Clinique pour Résidents," addressing AI in clinical feedback for medical residents. The subtitle describes an international exploratory study in clinical family medicine settings, including placeholders for name, date, and institution.

IA en Rétroaction Clinique pour Résidents

Étude exploratoire internationale en milieu clinique – Médecine familiale [Nom, date, institution]

Source: Soutenance (2).pptx

The "Contexte" slide outlines the rapid evolution of AI in healthcare and the need for feedback for family medicine residents. It also addresses clinical challenges in family practice settings and the exploration of international AI integration.

Contexte

• Évolution rapide de l’IA en santé
• Besoin de rétroaction pour résidents en médecine familiale
• Défis cliniques en milieu de pratique familiale
• Exploration de l’intégration internationale de l’IA

The "Problématique" slide identifies a lack of effective feedback tools in clinical training and limitations of traditional methods. It also notes the untapped potential of AI in clinical settings and unmet needs of family medicine residents.

Problématique

• Manque d’outils de rétroaction efficaces en formation clinique
• Limites des méthodes traditionnelles de feedback
• Potentiel de l’IA non exploité en milieu clinique
• Besoins non satisfaits des résidents en médecine familiale

The slide titled "Objectifs" outlines key objectives for the presentation. It focuses on exploring AI integration as a clinical feedback tool, identifying barriers and advantages to AI adoption, and modeling adoption via the Technology Acceptance Model (TAM).

Objectifs

• Explorer l’intégration de l’IA comme outil de rétroaction en milieu clinique.
• Identifier les freins et avantages à l’adoption de l’IA.
• Modéliser l’adoption via le Technology Acceptance Model (TAM).

This slide, titled "Questions de recherche," lists three key research questions. They cover factors influencing AI adoption (Q1), impact on residents' performance (Q2), and international differences (Q3).

Questions de recherche

• Q1 : Facteurs influençant l’adoption de l’IA ?
• Q2 : Impact sur la performance des résidents ?
• Q3 : Différences internationales ?

This slide is a section header titled "Cadre théorique (1/2)", marking the start of the theoretical framework discussion. The subtitle introduces the TAM model, focusing on perceived utility, ease of use, and behavioral intention.

Cadre théorique

1/2

Cadre théorique (1/2)

Modèle TAM : utilité perçue, facilité d’utilisation et intention comportementale

Source: Soutenance (2).pptx

This slide, titled "Cadre théorique (2/2)," presents a detailed TAM model adapted for clinical AI. It highlights perceived usefulness of AI tools with feedback, ease of use in residential settings, and graphs on family health technology adoption.

Cadre théorique (2/2)

!Image

• Modèle TAM adapté à l’IA clinique détaillé
• Utilité perçue des outils IA rétroaction
• Facilité d’utilisation en milieu résidentiel
• Graphiques adoption technologies santé familiale

Source: Soutenance (2).pptx

This slide, titled "Literature Review (1/2)," highlights studies on AI's transformative potential in medical education. It covers automated feedback improving residents' clinical learning, US AI systems for skills evaluation, and European initiatives integrating AI into medical training.

Revue de littérature (1/2)

• Études sur l'IA en éducation médicale : potentiel transformateur.
• Rétroaction automatisée : améliore l'apprentissage clinique des résidents.
• Exemples USA : systèmes IA pour évaluation des compétences.
• Initiatives Europe : intégration IA en formation médicale.

This literature review slide (2/2) highlights AI advantages, including enhanced precision in clinical data analysis, scalability for real-time feedback processing, and optimized training for family medicine residents. It also addresses limitations like algorithmic bias risks in evaluations and ethical issues around patient data privacy and clinical accountability.

Revue de littérature (2/2)

Source: Soutenance (2).pptx

This slide is a section header titled "Méthodologie (1/2)". It outlines a mixed methodology combining qualitative interviews and quantitative surveys in an exploratory multinational design.

Méthodologie (1/2)

1/2

Méthodologie

Approche mixte : qualitative (entretiens) + quantitative (sondages). Design exploratoire multinational.

Source: Soutenance (2).pptx

This slide details the second half of the methodology workflow, outlining four steps: recruiting family medicine residents via professional networks and targeted emails, collecting survey responses using online tools like Google Forms and SurveyMonkey, analyzing data with the TAM model via SPSS or R, and validating results through cross-checks, interviews, and statistical tests.

Méthodologie (2/2)

{ "headers": [ "Étape", "Description", "Outils" ], "rows": [ [ "Recrutement", "Recrutement des résidents en médecine familiale via institutions cliniques", "Réseaux professionnels, emails ciblés" ], [ "Collecte données", "Administration et collecte des réponses aux enquêtes", "Enquêtes en ligne (Google Forms, SurveyMonkey)" ], [ "Analyse TAM", "Traitement et analyse des données selon le modèle TAM", "Logiciels statistiques (SPSS, R)" ], [ "Validation", "Validation croisée des résultats et interprétation", "Entretiens complémentaires, tests statistiques" ] ] }

Source: Soutenance (2).pptx

The slide describes a study population of 200 family medicine residents from clinics in Canada, Europe, and Asia. Inclusion criteria are active training and informed consent, while exclusion criteria include refusal to participate or incompatible constraints.

Population

• Résidents en médecine familiale (N=200)
• Cliniques au Canada, en Europe et en Asie
• Critères d'inclusion : en formation active, consentement éclairé
• Critères d'exclusion : refus participation, contraintes incompatibles

Source: Soutenance (2).pptx

The "Résultats attendus" slide projects key stats: 70% AI adoption among residents and a 0.75 utility-performance correlation coefficient. It also forecasts a 35% gain in clinical efficiency from feedback improvements and 85% resident satisfaction.

Résultats attendus

• 70%: Adoption de l'IA

Taux attendu chez les résidents

• 0.75: Corrélation utilité-performance

Coefficient de corrélation prévu

• 35%: Amélioration rétroaction

Gain en efficacité clinique

• 85%: Satisfaction résidents

Niveau d'approbation projeté

The "Perspectives" slide outlines future plans for integrating advanced AI via large language models (LLMs) and conducting randomized controlled trials for validation. It also covers developing adapted training policies and expanding international clinical applications.

Perspectives

• Intégration d'IA avancée via grands modèles de langage (LLM)
• Conduite d'essais randomisés contrôlés pour validation
• Développement de politiques de formation adaptées
• Exploration internationale élargie des applications cliniques

Source: Soutenance (2).pptx

The slide summarizes key contributions like innovative AI integration in clinical feedback and international insights for family medicine residents, while proposing future longitudinal studies and broader implementations. It expresses thanks to the jury, colleagues, and participants, ending with an invitation for questions.

Conclusion & Remerciements

**Synthèse des apports principaux

• Intégration innovante de l'IA en rétroaction clinique
• Insights internationaux pour résidents en médecine familiale

Ouverture future

• Études longitudinales et implémentations élargies

Remerciements Merci au jury, collègues et participants !**

Merci pour votre attention ! Prêt pour vos questions.

Source: Soutenance (2).pptx