Gestion de la pandémie de COVID-19 - Analyse de la dotation en personnel dans les centres d'hébergement de soins de longue durée du Québec au cours de la première vague
Notice bibliographique
Résumé
Faisant suite à une demande de la Commissaire à la santé et au bien-être, cette étude dresse un portrait de l'évolution de la main-d'oeuvre dans les centres d'hébergement de soins longue durée (CHSLD) avant et pendant la première vague de la pandémie de COVID-19. L’étude s’inscrit dans un effort méthodologique exploratoire visant à analyser l’adéquation entre l’offre de ressources humaines et les besoins des résidents à partir des données disponibles et des outils existants. Elle s’appuie sur un devis longitudinal rétrospectif et utilise des données administratives et clinico-administratives de quatre établissements : trois dans la grande région de Montréal, plus touchés par la première vague, et un établissement hors de la grande région de Montréal. L’étude a répondu aux trois questions suivantes : Dans quelle mesure l’offre de ressources humaines correspondait-elle aux besoins des résidents en CHSLD, avant et pendant la première vague de la pandémie ? Dans quelle mesure l’initiative Je Contribue et le recours aux agences de placement ont permis d’élargir le bassin de main-d’œuvre disponible ? Quelle a été l’ampleur de l’absentéisme et quel a été son impact sur le bassin de main-d’œuvre disponible ? Les auteurs comparent trois méthodes d’estimation des besoins : les profils Iso-SMAF, les ratios minimaux proposés par Voyer et coll. (2016) et les standards recommandés par les US Centers for Medicare and Medicaid Services. Les résultats montrent que les établissements ont fait preuve d’une grande capacité d’adaptation en mobilisant les ressources humaines nécessaires pour atteindre ou même dépasser les ratios minimaux requis. Le nombre de travailleurs de la santé pour 100 résidents a légèrement augmenté au cours de la première vague. Ceci tient compte du fait qu’au cours de la première vague, le nombre de résidents hébergés par établissement a diminué, probablement en raison des décès de plusieurs d’entre eux. L’analyse montre aussi que les établissements les plus touchés par la première vague ont pu maintenir un ratio travailleurs/résidents équivalent ou supérieur aux ratios observés durant la période prépandémie, et ce, malgré une augmentation de taux d’absentéisme de 75 % entre les deux périodes. Ces résultats doivent être interprétés avec prudence puisque l’analyse ne tient pas compte de facteurs plus qualitatifs comme le soutien des gestionnaires, la mobilité des ressources humaines ou la connaissance des pratiques cliniques et organisationnelles du personnel. Au-delà nombre de travailleurs et travailleuses, ces facteurs influencent grandement la performance ou la qualité des services offerts dans un contexte de crise sanitaire. Ce rapport est le deuxième volet d’un projet CIRANO plus large qui examinait sous divers angles les situations de fragilité qui ont pu affecter la performance du système de santé dans sa réponse à la pandémie. Un premier rapport publié en juin 2022 s’appuyait sur une enquête réalisée auprès de 2365 travailleuses et travailleurs. Ce premier volet s’intéressait à leurs perceptions quant aux ressources auxquelles ils ont eu accès et aux exigences et contraintes auxquelles ils ont dû faire face.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».