Répartition géographique des médecins de famille : quelles solutions à un problème complexe ?
Notice bibliographique
Résumé
Objectif : dans cet article, nous nous intéressons à la question de la répartition géographique des médecins omnipraticiens, en focalisant sur les enjeux d’attraction. Méthodes : l’analyse repose sur une approche configurationnelle. Définie simplement, cette approche stipule que les impacts d’une intervention sont liés d’une part, à la cohérence interne entre les caractéristiques d’une intervention et d’autre part, à la cohérence qui existe entre cette intervention et son contexte. Une étude de cas longitudinale a été menée, correspondant à l’expérience du Québec sur 35 ans. Résultats : les mesures mobilisées ont surtout porté sur la formation, les incitatifs (positifs et négatifs), le support, et depuis 2004 une certaine forme de coercition. Notons que la sélection des candidatures à l’entrée en médecine en fonction de certaines variables individuelles susceptibles d’influencer le lieu de pratique, a été peu mise en œuvre. La combinaison des mesures gagne en efficacité à travers le temps : ces gains en efficacité sont interprétés en se référant à la cohérence interne des mesures et à la cohérence par rapport à l’environnement externe. Conclusion : les interventions favorables à une répartition équitable des effectifs ne sauraient se limiter à l’activation d’un levier donné et doivent être pensées comme des interventions complexes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,003 | 0,007 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,004 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».