MétaCan
Menu
← Retour à la cohorte
Enregistrement W1133950885 · doi:10.71781/1267

L’adaptation des services de santé à l’égard de personnes migrantes : cas des services infirmiers en première ligne

2014· dissertation· fr· W1133950885 sur OpenAlexaboutno aff
Lara Maillet

Notice bibliographique

RevueOpen MIND · 2014
Typedissertation
Languefr
DomaineHealth Professions
ThématiqueHealthcare Systems and Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Comment s’adaptent des organisations lorsqu’elles font face à des changements qui les dépassent? De cette question a émergé une recherche voulant comprendre comment et pourquoi des organisations de santé décident d’adapter (ou non) leurs services aux besoins et aux caractéristiques des populations migrantes accueillies sur leur territoire. Pour y répondre, cette thèse s’est intéressée à la gouvernance multiniveaux appliquée aux organisations de santé fournissant des services à des populations migrantes. Dans un contexte de régionalisation de l’immigration, la dynamique du processus migratoire est de mieux en mieux documentée, mais les capacités organisationnelles d’adaptation le sont beaucoup moins. Nous avons réalisé une étude de cas multiples à l’aide d’entrevues semi-directives auprès d’acteurs provenant de deux CSSS montéregiens (région au sud de Montréal, Québec) et des paliers locaux, régionaux et nationaux. Les résultats de cette étude ont permis (1) de mettre en évidence les différents acteurs impliqués dans ce processus d’adaptation, dont des acteurs de connectivité; (2) de cerner huit leviers d’action, divisés en trois catégories de leviers : administratif, émergent et d’habilitation. La possible imbrication de ces trois catégories de leviers facilite l’apparition de structures de connectivité, légitimant ainsi l’adaptation de l’organisation; et (3) de montrer l’ambigüité de l’adaptation à travers des facteurs d’influence qui favorisent ou entravent le processus d’adaptation à plusieurs niveaux de la gouvernance. Cette thèse est construite autour de quatre articles. Le premier, de nature conceptuelle, permet de circonscrire les concepts d’adaptation et de gouvernance multiniveaux à travers la lentille des théories de la complexité. Nous campons ainsi notre sujet dans une problématique liée à la vulnérabilité et la migration tout en appréhendant l’adaptation du système et son opérationnalisation au niveau local. Il en ressort un cadre conceptuel avec six propositions de recherches. Le second article permet quant à lui de comprendre les jeux des acteurs au sein d’une organisation de santé et à travers son Environnement. Le rôle spécifique d’acteurs de connectivité y est révélé. C’est dans un troisième article que nous nous intéressons davantage aux différents leviers d’action, analysés selon trois catégories : administrative, émergente et d’habilitation. Les acteurs peuvent les solliciter afin de d’adapter leurs pratiques au contexte particulier de la prise en charge de patients migrants. Un passage des acteurs aux structures de connectivité est alors rendu possible via un espace : la gouvernance multiniveaux. Enfin, le quatrième et dernier article s’articule autour de l’analyse des différents facteurs pouvant influencer l’adaptation d’une organisation de santé, en lien avec son Environnement. Il en ressort principalement que les facteurs identifiés sont pour beaucoup des leviers d’action (cf. article3) qui à travers le temps, et par récursivité, deviennent des facteurs d’influence. De plus, le type d’interdépendance développé par les acteurs a tendance soit à façonner un Environnement « stable », laissant reposer les besoins d’adaptation sur les acteurs opérationnels; soit à façonner un Environnement plus « accidenté », reposant davantage sur des interactions diversifiées entre les acteurs d’une gouvernance multiniveaux. De cette adéquation avec l’Environnement à façonner découle l’ambigüité de s’adapter ou non pour une organisation.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil0,773

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,003
Communication savante0,0030,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,084
Tête enseignante GPT0,449
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetHealthcare Systems and Practices→Travaux en français237 207→