MétaCan
Menu
Retour à la cohorte
Enregistrement W2058799957 · doi:10.7202/1026135ar

Le juge canadien, anglais et australien devant l’incertitude causale en matière de responsabilité médicale

2014· article· fr· W2058799957 sur OpenAlexaffvenueabout
Lara Khoury

Notice bibliographique

RevueMcGill Law Journal · 2014
Typearticle
Languefr
DomaineHealth Professions
ThématiqueMedical Malpractice and Liability Issues
Établissements canadiensMusée de la Civilisation
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

L’auteure examine le traitement de l’incertitude causale dans les affaires de responsabilité médicale décidées par les tribunaux de dernière instance au Canada, en Angleterre et en Australie. Elle se penche notamment sur le raisonnement judiciaire à l’égard de trois concepts particuliers, soit la création ou l’augmentation du risque, la création fautive de l’incertitude causale et la perte de chance. Une analyse de cette jurisprudence permet de constater que la possibilité de trouver la causalité ou la responsabilité prouvée sur la base de l’augmentation du risque de préjudice par le défendeur est généralement rejetée en matière médicale. Quant au raisonnement permettant d’inférer la causalité lorsque le défendeur possède une connaissance particulière des faits et que, par sa faute, il a rendu impossible l’évaluation du lien causal, il fut marginalement appliqué par la Cour suprême du Canada. Enfin, le texte s’attarde au traitement récent de la perte de chance en matière médicale et constate son rejet par tous les tribunaux d’instance supérieure étudiés. Cette brève étude montre que, malgré l’expression d’une sensibilité à l’égard des difficultés rencontrées par les demandeurs dans la preuve de la causalité médicale en présence d’incertitude, les approches judiciaires dans les ressorts étudiés demeurent orthodoxes. L’étude permet également de réaliser la place importante que tient le droit comparé dans les décisions récentes des tribunaux supérieurs dans le domaine.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,522
Score d'incertitude au seuil0,950

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0100,015
Communication savante0,0050,001
Science ouverte0,0010,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,038
Tête enseignante GPT0,380
Écart entre enseignants0,341 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMcGill Law JournalMême sujetMedical Malpractice and Liability IssuesTravaux en français237 207