La résilience de l’hôpital du Mali face à la Covid-19 dans un contexte de pénuries
Notice bibliographique
Résumé
Objectif : L’objectif de cette recherche était de rendre compte des stratégies de résilience mobilisées par l’Hôpital du Mali face à la maladie à coronavirus (COVID-19).Méthode : Les données collectées ont concerné une période correspondant aux premiers mois de gestion de la pandémie à l’hôpital (avril - juillet 2020). Au total, 32 entretiens semi-directifs et 53 séances d’observation ont été réalisés. Les analyses se sont appuyées sur un cadre conceptuel et ont été menées selon l’approche déductive.Résultats : Les résultats montrent que, face aux multiples effets de la COVID-19 tels que l’aggravation de la pénurie du personnel et de la charge de travail, le besoin de créer des infrastructures dédiées, la baisse drastique des recettes liée à la baisse de fréquentation de l’hôpital, le personnel a mis en place de multiples stratégies (ex. réduction ou report de certaines dépenses, réquisition de bâtiment, recrutements de contractuels et le redéploiement du personnel fonctionnaire). La mise en place de ces stratégies a globalement permis de maintenir l’accès aux soins des patients, même si les restrictions ont été nombreuses pour les patients non COVID-19. L’hôpital a été en mesure de s’inscrire dans une résilience absorptive.Conclusion : Cette recherche qualitative a permis une meilleure compréhension des faits liés à la gestion de la COVID-19 en milieu hospitalier, et notamment de sa résilience. Les leçons tirées de la recherche devraient permettre de concevoir, à l’avenir, des réponses plus adaptées et plus efficaces pour faire face aux pandémies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,019 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
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 tête enseignante, 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 ».