MétaCan
Menu
Back to cohort
Record W2026779609 · doi:10.7202/600875ar

Les médecins diplômés du Québec inscrits à la Régie de l’assurance-maladie du Québec (R.A.M.Q.) au 30 mars 1980

2008· article· fr· W2026779609 on OpenAlexvenueaboutno aff
Jean Turgeon

Bibliographic record

VenueCahiers québécois de démographie · 2008
Typearticle
Languagefr
FieldHealth Professions
TopicHealthcare Systems and Practices
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Grâce au fichier des professionnels de la régie de l’assurance-maladie du Québec (R.A.M.Q.), nous sommes à même de mener différentes recherches sur la composition de la main-d’oeuvre médicale oeuvrant au Québec. La présente recherche s’intéresse d’avantage aux diplômés en médecine du Québec inscrits â la R.A.M.Q. au 30 mars 1980, par année et lieu d’obtention du diplôme. A cette date, 78,6 % des 10 036 médecins inscrits au fichier étaient diplômés du Ouébec : 7 003 de facultés francophones (Laval, Montréal, Sherbrooke) et 890 de la faculté de McGiIl. En ce qui concerne plus particulièrement les diplômés des cohortes de 1960 à 1973 inclusivement, la probabilité de participation à la R.A.M.Q. est de 87 % pour les facultés francophones et de 22 % pour celle de McGiIl. Toutes proportions gardées, les facultés francophones ont produit entre 1960 et 1973 six fois plus d’omnipraticiens et trois fois plus de spécialistes inscrits à la R.A.M.Q. que la faculté de médecine de McGiIl. Deux tendances importantes sont également à noter. La première c’est que le pourcentage annuel des diplômés de McGiIl s’inscrivant à la R.A.M.Q. s’améliore régulièrement depuis 20 ans. La seconde concerne la nette préférence des cohortes récentes pour l’omnipratique, et ce pour les quatre facultés de médecine.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.025
Threshold uncertainty score0.179

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.004
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0020.002
Science and technology studies0.0020.001
Scholarly communication0.0010.000
Open science0.0010.001
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0100.001

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.

Opus teacher head0.043
GPT teacher head0.334
Teacher spread0.290 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations2
Published2008
Admission routes2
Has abstractyes

Explore more

Same venueCahiers québécois de démographieSame topicHealthcare Systems and PracticesFrench-language works237,207