Le droit québécois et les troubles musculo-squelettiques : règles relatives à l’indemnisation et à la prévention
Bibliographic record
Abstract
Au Québec, les TMS sont une source importante d’incapacité chez les personnes qui travaillent. Ils constituent la majorité des maladies professionnelles reconnues impliquant une perte de temps de travail. Pour chaque TMS reconnu comme maladie professionnelle, de 5 à 6 réclamations sont acceptées pour des TMS imputables à un accident du travail. La législation québécoise en matière d’indemnisation permet leur reconnaissance à titre de « maladies professionnelles » et aussi comme conséquence d’un « accident du travail » mais, dans un cas comme dans l’autre, la réclamation sera souvent contestée. Cet article examine l’évolution du droit régissant la reconnaissance de ces lésions professionnelles et s’attarde également sur les principaux mécanismes légaux qui permettent aux inspecteurs de la C.S.S.T., organisme chargé de gérer le régime d’indemnisation et de garantir l’application des règles relatives à la prévention des lésions professionnelles, d’assurer l’application de la législation québécoise visant la prévention des lésions professionnelles. Il conclut en jetant un regard sur certains développements réglementaires ailleurs au Canada.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.017 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".