“Had they been children, we’d probably be tearing our shirts off!”: Canadian long-term care centres as an arena for necropolitics during the COVID-19 crisis
Notice bibliographique
Résumé
The COVID-19 pandemic did not create but rather exposed and exacerbated long-standing vulnerabilities, marginalities, and inequalities deeply embedded in our societies. Moving beyond strictly medical and epidemiological explanations, this article offers a novel perspective on the disproportionate impacts of COVID-19 on dependent elderly people living in Residential and Long-Term Care Centres (CHSLDs) in the Province of Quebec, Canada. To achieve this, we draw on the concept of necropolitics, which refers to the mechanisms through which socio-political power is exercised to control life, death, and the conditions of existence. It reflects the State’s power to determine who is allowed to live and who is left to die. Through this lens, we argue that the high rates of infection and mortality in CHSLDs were not merely attributable to age or comorbidities but were instead the inevitable outcomes of numerous austerity and privatisation reforms that reflect systemic discrimination against the elderly. These reforms chronically underfunded long-term care, commodified essential services, deteriorated working conditions for healthcare professionals and support staff, reduced the quality and quantity of care, and weakened care facility infrastructures. By implicitly determining which lives were to be protected and prioritised, these reform policies had already sealed the fate of dependent elderly individuals long before the pandemic. Using necropolitics as an analytical framework, this article elucidates the structural causes (“the causes of the causes”) of these inequalities, marginalities, and vulnerabilities. It calls for a transformative approach to long-term care policies that can address these systemic issues and prevent such tragedies in the future.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,036 | 0,016 |
| Communication savante | 0,009 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,003 | 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 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 ».