MétaCan
Menu
Retour à la cohorte
Enregistrement W3134462638 · doi:10.14428/emulations.03536.04

Quand les inégalités sociales rendent les patients « difficiles » : le vécu de médecins

2020· article· fr· W3134462638 sur OpenAlexaffabout
Estelle Carde

Notice bibliographique

RevueEmulations - Revue de sciences sociales · 2020
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueMigration, Identity, and Health
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Si les inégalités sociales dans les soins sont habituellement appréhendées par des indicateurs objectifs tels que la fréquence des soins reçus, elles peuvent aussi l’être par des indicateurs subjectifs, comme l’appréciation que les bénéficiaires font de leurs soins. Cet article suit le fil de la subjectivité, mais en s’intéressant au vécu des médecins plutôt qu’à celui de leurs patients. Plus précisément, il explore le sentiment de difficulté que des médecins peuvent éprouver lorsqu’ils suivent des patients victimes d’inégalités sociales. Il repose sur l’analyse qualitative du discours de médecins généralistes exerçant à Montréal. Ces derniers attribuent trois sources principales à leurs difficultés à suivre des patients socialement défavorisés : 1) le temps excessif consacré à ces patients, 2) l’inefficacité de leurs moyens de communication et 3) leur impuissance par rapport aux déficits en ressources (revenus, savoir et liens sociaux) qu’ils perçoivent chez ces patients. La lutte contre les inégalités face aux soins requiert donc une distribution plus égalitaire de ces ressources.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,346
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0090,005
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,285
Tête enseignante GPT0,382
Écart entre enseignants0,097 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEmulations - Revue de sciences socialesMême sujetMigration, Identity, and HealthTravaux en français237 207