Médecine de Catastrophe - Urgences Collectives最新文献

{"title":"Répartition des victimes d’incidents de masse selon la capacité des hôpitaux et les équipes de transferts dans SI-ORSAN","authors":"Antoine Aubrion , Lauriane Hardel , Joanne Richard , Laurent Gabilly , Tiphaine Hary , Richard Petit , Sami Abdelkhalek , Thomas Delomas , Richard Macrez","doi":"10.1016/j.pxur.2025.02.003","DOIUrl":"10.1016/j.pxur.2025.02.003","url":null,"abstract":"<div><h3>Objectif</h3><div>Les situations sanitaires exceptionnelles (SSE) sont des événements rares, et l’évaluation de la répartition des victimes d’après les ressources disponibles reste complexe. L’objectif de cette étude était de simuler un incident moyen européen sur plusieurs sites de grands rassemblements ou dans des secteurs isolés du pays, afin d’observer le temps nécessaire pour la prise en charge et l’admission des victimes.</div></div><div><h3>Méthodes</h3><div>Le même exercice de simulation a été réalisé avec 9 équipes de régulateurs SAMU en utilisant l’outil informatique SI-ORSAN qui estimait les moyens de transferts, la capacité d’accueil hospitalière et les conditions réelles de circulation routière. La distribution des victimes a été décidée par les équipes médicales locales, soit sur des sites de grands rassemblements (A), soit en site isolé (B).</div></div><div><h3>Résultats</h3><div>Les délais médians observés étaient de 56<!--> <!-->min (A) et 64<!--> <!-->min (B) (<em>p</em> <!-->=<!--> <!-->0,02), pour l’arrivée des équipes médicales sur le site, de 80<!--> <!-->min (A) et 102<!--> <!-->min (B) (<em>p</em> <!-->=<!--> <!-->0,76) pour le départ des victimes depuis le site, et de 106<!--> <!-->min (A) et 200<!--> <!-->min (B) (<em>p</em> <!--><<!--> <!-->0,001) pour l’arrivée des victimes à l’hôpital.</div></div><div><h3>Conclusions</h3><div>Cette étude fournit une estimation des temps de prise en charge possibles sur différents sites en s’appuyant sur une formation standardisée pour la répartition d’un grand nombre de victimes. Elle permet aux équipes de s’entraîner à la gestion des pertes massives dans leur zone, afin d’améliorer l’organisation et la réponse à ces incidents.</div></div><div><h3>Objective</h3><div>Mass casualty incidents (MCI) are rare, and the quantitative assessment of possible responses is difficult. The objective of this study was to simulate the average European incident at several sites of large gatherings or isolated places in the country, to observe the required time for care and admission.</div></div><div><h3>Methods</h3><div>The same disaster exercise was carried out with 9 emergency medical service (EMS) teams using a computer tool SI-ORSAN that estimated the means of transfers, hospital surge capacity, and actual road traffic. The distribution of all victims was decided by local medical teams in large gatherings (A) or at a rural site (B).</div></div><div><h3>Results</h3><div>The median delays for medical teams arrival were 56<!--> <!-->min (A) or 64<!--> <!-->min (B) (<em>P</em> <!-->=<!--> <!-->0.02), for the departure of victims from the site 80<!--> <!-->min (A) or 102<!--> <!-->min (B) (<em>P</em> <!-->=<!--> <!-->0.76), for arrival at a hospital 106<!--> <!-->min (A) or 200<!--> <!-->min (B) (<em>P</em> <!--><<!--> <!-->0.001).</div></div><div><h3>Conclusions</h3><div>This study provides an estimate of possible management times for different sites using standardized training for the ","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 117-125"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203758","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Agenda de la SFMC","authors":"","doi":"10.1016/j.pxur.2025.05.001","DOIUrl":"10.1016/j.pxur.2025.05.001","url":null,"abstract":"","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Page 142"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203763","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Préparer cognitivement le pilote aux futures opérations aériennes : regards croisés","authors":"Jérôme Ranc (Lieutenant-colonel), Julien Donnot (Lieutenant-colonel)","doi":"10.1016/j.pxur.2025.03.002","DOIUrl":"10.1016/j.pxur.2025.03.002","url":null,"abstract":"<div><div>La planification et la conduite de la guerre aérienne de haute intensité et la gestion de catastrophe impliquent des approches distinctes en raison des objectifs, contextes et ressources spécifiques, mais partagent des similitudes dans certaines méthodes d’organisation et de coordination et surtout des problématiques centrées sur l’humain avec la possibilité de bénéficier d’aides communes, notamment à base d’intelligence artificielle (IA). Ces deux domaines font face aux défis de la surcharge cognitive, de la gestion de l’information et de la prise de décision sous pression temporelle. L’IA pourrait soutenir l’humain en fournissant des outils d’analyse de données massives, de prévision de crises et de gestion de ressources, tout en soulevant des questions de dépendance et de biais d’interactions. Le constat de développements technologiques très rapides, mais également la persistance de problématiques liées aux facteurs humains associés, nous a amené à proposer une approche innovante. Cette approche consiste à immerger des opérationnels dans des situations simulées intégrant de nouvelles technologies dans un contexte militaire futur. Il devient alors possible d’analyser leurs comportements et ainsi identifier, tester et évaluer l’apport de ces technologies au stade précoce de la preuve de concept. Ces évaluations s’inscrivent dans une approche scientifique, centrée sur les sciences cognitives, afin d’identifier les facteurs humains et organisationnels, sur lesquels agir pour améliorer la performance et la sécurité des systèmes. Cette approche se veut itérative et incrémentale, technologique mais surtout opérationnelle car centrée sur les utilisateurs finaux. L’ensemble s’appuie et alimente une bulle d’innovation spécifique. La dimension tiers-lieu est cruciale. C’est l’opportunité donnée à des industriels, des scientifiques et des opérationnels de travailler ensemble en un lieu commun dans une friction constructive. Cette démarche pourrait être partagée et implémentée dans le développement d’outils d’aide à la gestion de catastrophes pour caractériser les crises potentielles, préparer les réponses associées, maximiser et coordonner les efforts de gestion de crise et de reconstruction, en intégrant la performance humaine.</div></div><div><div>The planning and conduct of high-intensity air warfare and disaster management involve distinct approaches due to specific objectives, contexts and resources, but share similarities in certain methods of organization and coordination and above all human-centered issues with the possibility of benefiting from common aids, notably based on artificial intelligence (AI). These two areas face the challenges of cognitive overload, information management and decision-making under time pressure. AI could support humans by providing tools for analyzing massive data, forecasting crises and managing resources, but at the same time raising issues of dependency and interaction bias. The observation of very rapid ","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 101-105"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203148","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"L’intelligence artificielle peut-elle éviter les décisions absurdes ?","authors":"Christian Morel (Sociologue, expert facteurs humains et gestion des risques)","doi":"10.1016/j.pxur.2025.02.004","DOIUrl":"10.1016/j.pxur.2025.02.004","url":null,"abstract":"<div><div>Ce sujet implique plus des questions que des réponses. L’intelligence artificielle (IA) nécessite une grande quantité de données, mais nous n’avons pas suffisamment de données sur certaines décisions absurdes. Pourrait-on simuler leur absence ? L’IA pourrait-elle intégrer l’expérience et l’intuition des intervenants ? Pourrait-elle prendre en compte les fatigue, distraction et stress individuels ou collectifs, les malentendus et erreurs de communication, les a priori et croyances ? Il arrive que les individus ne tiennent pas compte des alertes. L’IA pourrait-elle les rendre plus efficaces ? L’absence du contradictoire est souvent la source de décisions absurdes dues au conformisme de groupe. L’IA pourrait-elle les éviter en jouant le rôle de contradicteur ? Les décisions absurdes sont aussi la conséquence d’incompréhensions de langage. L’IA pourrait-elle améliorer la communication par des traductions en temps réel et en simplifiant les explications techniques ? Quoiqu’il en soit, certaines tâches ne sont pas complètement cédées à l’IA pour maintenir les compétences humaines ? Les retours d’expérience sont un principe fondamental pour éviter les décisions absurdes futures. L’IA pourrait-elle les produire ou les améliorer ? Confrontée aux décisions absurdes l’IA manque de données et de prise en compte des faiblesses humaines.</div></div><div><div>This topic raises more questions than answers. Artificial intelligence (AI) requires a large amount of data, but we do not have enough data on certain absurd decisions. Could we simulate their absence? Could AI integrate the experience and intuition of the participants? Could it take into account individual or collective fatigue, distraction, and stress, misunderstandings and communication errors, biases, and beliefs? Sometimes individuals ignore alerts. Could AI make them more effective? The absence of contradictory thinking is often the source of absurd decisions due to group conformity. Could AI avoid this by acting as a challenger? Absurd decisions are also the result of language misunderstandings. Could AI improve communication through real-time translations and by simplifying technical explanations? In any case, some tasks are not entirely ceded to AI to maintain human skills? Feedback is a fundamental principle to avoid future absurd decisions. Could AI produce or improve them? Faced with absurd decisions, AI lacks data and consideration of human weaknesses.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 106-108"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203755","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Simuler une victime de catastrophe : quels enjeux psychologiques ?","authors":"Ophélie Lefetz ,&nbsp;Alexandre Maurisse ,&nbsp;Mina Pinheiro ,&nbsp;Marine Deschamps ,&nbsp;Swann Eglizeaud ,&nbsp;Elina Hérault ,&nbsp;Laurenne Chagneaud ,&nbsp;Jean-Michel Coq","doi":"10.1016/j.pxur.2025.02.006","DOIUrl":"10.1016/j.pxur.2025.02.006","url":null,"abstract":"<div><div>Une catastrophe engendre un afflux massif de victimes, nécessitant une organisation spécifique des soins ainsi qu’une coordination interprofessionnelle accrue. Face à ces situations, les exercices de simulation permettent aux primo-intervenants de se former à la prise en charge immédiate de victimes. Durant ces exercices, des participants appelés victimes simulées sont sollicités afin de reproduire la symptomatologie physique et psychologique de victimes réelles. Cependant, certains auteurs alertent récemment sur l’impact de la simulation pour ces participants pouvant présenter un état proche de la clinique du traumatisme. Cet article a pour objectif principal de discuter et d’informer sur les enjeux psychologiques de la simulation. À partir de deux situations cliniques ainsi que la littérature scientifique, nous émettons des préconisations afin de limiter les effets négatifs de leur participation.</div></div><div><div>A disaster generates a massive influx of victims, requiring specific organization of care and increased inter-professional coordination. In the field of disaster medicine, simulation exercises are regularly carried out in situ. During these exercises, participants called simulated victims are called upon to reproduce the physical and psychological symptomatology of real victims. The presence of simulated victims enables professionals to test a variety of technical (e.g., cardiopulmonary resuscitation) and non-technical skills (e.g., stress management, communication). Recently, some authors have warned of the acute stress experienced by these simulated victims during simulations and denounce a symptomatology close to that of real victims. The main aim of this article is to discuss and inform the psychological implications of simulation, based on two clinical situations. In addition, we propose recommendations to limit the negative impact of this practice.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 126-131"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203759","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Modéliser les épidémies à l’ère de l’intelligence artificielle","authors":"Charlotte Perlant","doi":"10.1016/j.pxur.2025.02.005","DOIUrl":"10.1016/j.pxur.2025.02.005","url":null,"abstract":"<div><div>Les épidémies, comme la COVID-19, restent aujourd’hui une menace majeure, exacerbée par la mondialisation, le changement climatique et la croissance démographique. Face à ces crises sanitaires, la modélisation épidémiologique joue un rôle clé dans les prises de décision des politiques de santé publique. Les modèles traditionnels, largement utilisés aujourd’hui, permettent d’estimer des paramètres épidémiologiques clés pour l’estimation de la gravité de la situation, la prévision de l’évolution future d’une épidémie et l’évaluation de l’impact de différentes mesures sanitaires (confinement, vaccination, renforcement hospitalier). Leur transparence, leur rigueur scientifique et leur capacité à tester des scénarios alternatifs en font des outils essentiels pour la prise de décision. L’essor de l’intelligence artificielle (IA) permet aujourd’hui d’intégrer de grandes quantités de données en temps réel (mobilité, environnement, réseaux sociaux). L’IA offre des projections plus fines et exploite des informations complexes difficilement intégrables dans les modèles classiques. Cependant, ses limites incluent un manque de transparence, des besoins en données massifs et un risque d’inégalités d’accès à ces technologies et aux données d’entraînement. L’avenir réside donc dans une approche hybride combinant la robustesse et l’interprétabilité des modèles traditionnels avec la puissance d’analyse de l’IA, afin d’optimiser la gestion des épidémies tout en garantissant une équité dans l’accès aux outils de surveillance et de prévention.</div></div><div><div>Epidemics, such as COVID-19, remain a major threat today, exacerbated by globalization, climate change, and population growth. In response to these health crises, epidemiological modeling plays a key role in public health policy decision-making. Traditional models, widely used today, help estimate key epidemiological parameters to assess the severity of a situation, predict the future course of an epidemic, and evaluate the impact of various health measures (lockdowns, vaccination, hospital capacity reinforcement). Their transparency, scientific rigor, and ability to test alternative scenarios make them essential tools for decision-making. The rise of artificial intelligence (AI) now enables the integration of large amounts of real-time data (mobility, environment, social networks). AI provides more refined projections and leverages complex information that is difficult to incorporate into classical models. However, its limitations include a lack of transparency, high data requirements, and the risk of inequalities in access to these technologies and training data. The future, therefore, lies in a hybrid approach that combines the robustness and interpretability of traditional models with the analytical power of AI, aiming to optimize epidemic management while ensuring equitable access to surveillance and prevention tools.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 93-95"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203753","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Retour d’expérience d’une simulation sur l’intelligence artificielle générative en médecine de catastrophe","authors":"Romain Crema (Co-Fondateur Legml.ai, Conférencier Expert en IA Génératives)","doi":"10.1016/j.pxur.2025.04.004","DOIUrl":"10.1016/j.pxur.2025.04.004","url":null,"abstract":"<div><div>Dans le cadre de la médecine de catastrophe, l’intelligence artificielle (IA) en tant qu’outil fait l’objet d’une dizaine de publications seulement. Un premier obstacle vient du fait que les fonctionnalités des IA et de l’IA générative, en particulier, ne sont pas encore bien connues des utilisateurs médicaux. Il a donc été décidé de faire une démonstration du potentiel de ces outils durant un séminaire de la Société française de médecine de catastrophe (SFMC), afin de faciliter une meilleure compréhension et d’initier le rapprochement nécessaire entre les professionnels, demandeurs d’aides à la décision de niveau stratégique, tactique ou opérationnel pouvant être portés par l’IA et les ingénieurs pouvant répondre à ces problématiques.</div></div><div><div>In the context of disaster medicine, artificial intelligence (AI) as a tool is the subject of only a dozen or so publications. The first obstacle is that the functionalities of AI and generative AI in particular are not yet well known to medical users. It has therefore been decided to demonstrate the potential of these tools at a seminar organised by the French Society for Disaster Medicine, in order to facilitate a better understanding and initiate the necessary rapprochement between professionals who are looking for strategic, tactical or operational decision-making aids that can be supported by AI and the engineers who can respond to these problems.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 86-87"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203159","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Introduction à l’intelligence artificielle en santé","authors":"Perceval Wajsbürt","doi":"10.1016/j.pxur.2025.04.003","DOIUrl":"10.1016/j.pxur.2025.04.003","url":null,"abstract":"<div><div>L’introduction de l’intelligence artificielle (IA) dans le domaine de la santé transforme les pratiques cliniques et de recherche. Aujourd’hui, l’IA est déployée pour améliorer la qualité des soins, faciliter l’analyse d’images, optimiser la transcription de dictées et soutenir la gestion des données patients, impactant ainsi les soins, la recherche et les fonctions supports. Les approches varient de l’IA symbolique aux techniques de <em>machine learning</em> et de <em>deep learning</em>, chacune présentant des niveaux de complexité et d’exigences distincts. L’essor des modèles modernes, caractérisés par un nombre croissant de paramètres et un appétit accru en données, soulève des défis majeurs en termes d’infrastructures coûteuses et de risques de biais lors de la collecte et du déploiement. Par ailleurs, l’intégration effective de ces technologies requiert une réflexion approfondie sur les aspects réglementaires, informatiques et organisationnels, afin d’harmoniser les processus d’intégration et de garantir la conformité aux normes en vigueur. Ce panorama met en lumière les atouts et les enjeux de l’IA en santé, appelant à un déploiement permettant d’assurer la sécurité, la fiabilité et la bonne utilisation des systèmes d’IA.</div></div><div><div>The introduction of artificial intelligence in healthcare is transforming clinical and research practices. Today, AI is deployed to improve the quality of care, facilitate image analysis, optimize dictation transcription, and support patient data management, thereby impacting care, research, and support functions. Approaches range from symbolic AI to machine learning and deep learning techniques, each presenting distinct levels of complexity and requirements. The rise of modern models, characterized by an increasing number of parameters and a growing appetite for data, poses major challenges in terms of costly infrastructures and the risk of bias during data collection and deployment. Moreover, the effective integration of these technologies requires thorough consideration of regulatory, IT, and organizational aspects to harmonize integration processes and ensure compliance with current standards. This overview highlights the strengths and challenges of AI in healthcare, calling for a deployment that ensures the safety, reliability, and proper use of AI systems.</div></div>","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 88-92"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203160","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Strengthening pharmaceutical management in a health centre in South Sudan through e-learning","authors":"Ferdinand Le Bloc’h ,&nbsp;Sandrine von Grünigen ,&nbsp;Laurence Schumacher ,&nbsp;Christophe Berger ,&nbsp;Pascal Bonnabry ,&nbsp;Nicolas Widmer","doi":"10.1016/j.pxur.2025.01.002","DOIUrl":"10.1016/j.pxur.2025.01.002","url":null,"abstract":"&lt;div&gt;&lt;h3&gt;Introduction&lt;/h3&gt;&lt;div&gt;In South Sudan's ongoing humanitarian crisis, Pharmacists Without Borders Switzerland (PSF) implemented an e-learning project at the rural St Vincent Health Care Centre (CSSV) to strengthen pharmaceutical management capabilities.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Methods&lt;/h3&gt;&lt;div&gt;Five e-learning modules from the Pharm-Ed project were deployed, covering pharmaceutical management and targeting CSSV staff members. A PSF pharmacist delivered these on a USB stick on an on-site mission in July 2022, along with an initial field assessment using a 23-item evaluation grid. A follow-up assessment in April 2024 also included a workshop on substandard and falsified medical products, with pre- and post-tests to measure learning outcomes.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Results&lt;/h3&gt;&lt;div&gt;Only two staff members reported completing the e-learning course and one completed the corresponding examinations. Field assessments showed limited improvements in pharmaceutical management practices, with only 3 out of 23 items progressing substantially. The workshop, attended by all the CSSV staff, resulted in slight increase in knowledge (mean score rising from 3.0&lt;!--&gt; &lt;!--&gt;±&lt;!--&gt; &lt;!--&gt;1.6 to 3.7&lt;!--&gt; &lt;!--&gt;±&lt;!--&gt; &lt;!--&gt;1.8 out of 10 points).&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Discussion&lt;/h3&gt;&lt;div&gt;While e-learning shows promise and a growing interest in the literature, our experience highlighted numerous barriers to this method in humanitarian settings (technological issues, language barriers, or unstable geopolitical context). A blended-learning strategy combining online and face-to-face training may be more effective. More structured follow-up and additional field visits could enhance Pharm-Ed modules buy-in, while incorporating practical activities and local language translation could improve workshops.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Conclusion&lt;/h3&gt;&lt;div&gt;Without a permanent PSF on-site presence, innovative approaches are needed to transfer skills to the CSSV. Staff expressed interest in further training, indicating potential for future e-learning initiatives in crisis and resource-limited settings, though its effectiveness requires careful adaptation to local contexts and ongoing support.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Introduction&lt;/h3&gt;&lt;div&gt;Dans le cadre de la crise humanitaire qui sévit au Soudan du Sud, Pharmaciens Sans Frontières Suisse (PSF) a mis en œuvre un projet d’e-learning au Centre de Santé Saint Vincent (CSSV) afin d’en renforcer les capacités de gestion pharmaceutique.&lt;/div&gt;&lt;/div&gt;&lt;div&gt;&lt;h3&gt;Méthode&lt;/h3&gt;&lt;div&gt;Cinq modules d’e-learning du projet Pharm-Ed ont été proposés, ciblant la gestion pharmaceutique et visant les membres du personnel du CSSV. Une pharmacienne de PSF les a livrés via clef USB lors d’une mission sur site en juillet 2022, tout en effectuant une évaluation initiale sur le terrain à l’aide d’une grille d’évaluation de 23 items. Une évaluation de suivi en avril 2024 comprenait également un atelier sur les produits médicaux falsifiés, avec des tests avant et après pour mesurer les r","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Pages 132-138"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203760","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}

{"title":"Vie de la SFMC","authors":"","doi":"10.1016/S1279-8479(25)00057-6","DOIUrl":"10.1016/S1279-8479(25)00057-6","url":null,"abstract":"","PeriodicalId":100904,"journal":{"name":"Médecine de Catastrophe - Urgences Collectives","volume":"9 2","pages":"Page 141"},"PeriodicalIF":0.0,"publicationDate":"2025-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"144203762","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}