Évaluation d'un programme de valorisation de fauteuils roulants
Bibliographic record
Abstract
Description générale. En 1998, 11,8% des Québécois de plus de 15 ans présentaient des problèmes de mobilité et 2,3% de cette clientèle exprimaient des besoins non comblés. La même année, la Régie de l'assurance-maladie du Québec a attribué plus de 4500 fauteuils roulants et en a réparé plus de 30000, pour une facture excédent 20 M$. Ces chiffres justifient amplement qu'on s'attarde aux politiques publiques entourant l'attribution des fauteuils roulants. Á cet effet, la valorisation (recyclage) des fauteuils roulants est souvent envisagée comme une solution pour combler des besoins de mobilité à moindre coût. Cet article présente une évaluation d'un programme de valorisation. Méthodologie. Trois groupes ont été recrutés: le personnel du programme d'aides techniques impliqué dans la valorisation de fauteuils roulants (n=9), des utilisateurs de fauteuils valorisés (n=20) et des ergothérapeutes issus d'autres établissements de santé référant des clients (n=5). Résultats. Une approche qualitative auprès du 1er groupe a permis de mettre en évidence plusieurs inefficacités aux plans structurel (ex. ressources insuffisantes pour la collecte des fauteuils inutilisés), opérationnel (ex. absence de normes pour la remise en état des fauteuils), stratégique (ex. absence de politique pour inciter le retour des fauteuils) et systémique (ex. absence d'imputabilité de L'État au niveau des responsabilités). Une approche quantitative auprès des 2e et 3e groupes a permis de révéler un degré élevé de satisfaction pour l'efficacité, l'apparence, la sécurité, la durabilité et le confort des fauteuils ainsi pour le service d'attribution et le suivi post-attribution. Conséquences pour la pratique. La procédure d'évaluation de programme peut être généralisée à d'autres contextes similaires pour que les décideurs documentent rapidement l'efficacité des procédures de valorisation des aides techniques en vigueur dans leur établissement.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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 teacher head, 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".