Médecins généralistes : que pensent-ils de leur rémunération ?
Bibliographic record
Abstract
Résumé Des nouveaux modes de rémunération des médecins généralistes libéraux (forfaits, paiement à la performance ...) se développent en France à l’instar de ce qui se passe dans les autres pays de l’OCDE. À partir des résultats d’une enquête menée auprès de 1 900 médecins généralistes libéraux, l’article analyse les opinions des médecins sur l’introduction de nouveaux modes de rémunération. Les opinions des médecins interrogés sont très partagées : 61 % y sont favorables et 39 % défavorables. Ainsi, l’adhésion d’une forte majorité des médecins nécessiterait la mise en place de modes de rémunération mixtes offrant un véritable choix au médecin. Toutefois, pour environ un cinquième des médecins interrogés, c’est avant tout le niveau de leur rémunération qui est une source forte d’insatisfaction. Les souhaits des médecins ne dépendent qu’assez peu de leur génération. Une classification des médecins à partir de leurs opinions sur les modes de rémunération et sur leur niveau de vie permet de distinguer sept profils de médecins, ils sont donc loin de former un groupe homogène sur ces questions. Par conséquent, l’impact d’un changement de mode de rémunération sur la qualité et la quantité des soins ne serait pas univoque.
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".