MétaCan
Menu
Retour à la cohorte
Enregistrement W7139609517

Handling the "difference" : patients triage by hospital staff in France and Quebec

2020· article· fr· W7139609517 sur OpenAlexaboutno aff
Camille Foubert

Notice bibliographique

Revuetheses.fr (ABES) · 2020
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueMigration, Identity, and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoison controlTriageContext (archaeology)Occupational training
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Le milieu hospitalier est le lieu d’un apparent paradoxe où les professionnel•les affirment qu’on « soigne tout le monde pareil », mais que « chaque patient•e est différent•e ». L’adaptation et la modulation des discours et des pratiques de soins y sont à la fois revendiquées comme un impératif à la réalisation du travail (para)médical et niées comme productrices de différenciations. À partir de ce constat empirique, je me suis intéressée aux usages sociaux par les professionnel•les de santé des caractéristiques sociales de leurs patient•es. Ce travail consiste en une comparaison située basée sur une enquête de terrain par observations et par entretiens. Celle-ci a été menée pendant environ un an au sein de plusieurs services de maladies chroniques du métabolisme (obésité, diabète, médecine interne) dans trois centres hospitalo-universitaires, situés pour deux d’entre eux à Paris et en région parisienne et pour le dernier à Montréal. Il ne s’agit pas de traiter de manière symétrique les « deux côtés ». Le choix d’une observation microsociologique a été au contraire délibérément effectué dans le but de dénaturaliser le cadre « national » et d’en questionner la prééminence. Malgré l’existence de certaines différences (présence différentielle de la religion majoritaire, bilinguisme français-anglais très répandu au Québec…), la prise en compte et les pratiques autour des besoins ou demandes des patient•es y sont largement similaires. L’analyse de la prise en compte des caractéristiques sociales des patient•es par les professionnel•les semble dans les deux contextes répondre d’abord aux mêmes enjeux : celui d’organiser et de permettre le travail dans un contexte où celui-ci est relationnel et sur l’humain. Au croisement de plusieurs champs (la sociologie du travail, la sociologie de l’État et la sociologie des rapports sociaux et des inégalités) et à partir d’une analyse au niveau de la relation et les interactions entre professionnel•les de santé et patient•es à l’hôpital public, cette thèse explore la chaîne ou la somme des petites décisions, réalisées de façon routinière et permanente, par les professionnel•les hospitalier•es, de classement, de priorisation ou de négligence. Celles-ci constituent le phénomène du tri des patient•es à l’hôpital. Elles sont prises dans la tension permanente entre personnalisation du soin et différenciation sociale des traitements. Elles fondent également la production localisée de la « différence », de classe, de race et de sexe, dans la configuration étudiée qu’est la prise en charge à l’hôpital public.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,320
Score d'incertitude au seuil0,775

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,021
Tête enseignante GPT0,272
Écart entre enseignants0,252 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuetheses.fr (ABES)Même sujetMigration, Identity, and HealthTravaux en français237 207