Multimorbidité et soins primaires : émergence de nouvelles formes d’organisation en réseau
Bibliographic record
Abstract
Objectif : Notre étude visait à cerner les stratégies d’adaptation utilisées par les professionnels œuvrant en soins primaires afin de tendre vers une offre de soins et services bien adaptée et continue pour les patients atteints de plus d’une maladie chronique. Méthodes : Nous avons réalisé une étude de cas qualitative dans une organisation de soins primaires (groupe de médecine de famille – GMF au Québec). Nos données proviennent de deux sources : entrevues semi-structurées, documents. Notre analyse thématique des données a permis d’identifier les processus d’adaptation à l’œuvre. Résultats : Notre analyse permet d’identifier des défis posés par l’augmentation de la prévalence de patients souffrant de plus d’une maladie chronique et comment ils influencent la mise en œuvre de stratégies d’adaptation de la part des professionnels aux niveaux suivants : (1) les patients eux-mêmes, (2) les relations professionnels-patients, (3) les relations entre les professionnels du GMF, (4) les relations entre le GMF et les autres organisations de santé. L’exposition de ces phénomènes permet d’illustrer la dynamique d’émergence d’une forme d’organisation en réseau. Conclusion : Ce phénomène entraîne une transformation du cœur-même de l’organisation de l’offre de soins et services. Une compréhension plus approfondie de ses conditions d’émergence, de ses impacts et de sa gestion est requise.
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 | 0.008 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".