Un code de conduite du superviseurdans sa relation avec le supervisélors de la formation clinique en médecine
Bibliographic record
Abstract
Contexte : Le stress et la détresse chez les résidents et résidentes est un phénomène bien documenté dans la littérature médicale. Les stratégies efficaces pour les contrer sont moins connues et étudiées. Dans la formation clinique en médecine, l’abus psychologique est une facette subtile et peu étudiée inhérente à la position d’autorité du patron envers le résident. Objectif : Elaborer un code de conduite du superviseur et réfléchir à des modalités d’application dans notre faculté de médecine. Méthode : A partir de 132 anecdotes d’abus de pouvoir rapportées par des résidents et résidentes et par des directeurs et directrices de programme, nous avons conçu un code de conduite du superviseur dans sa relation avec le supervisé. Discussion : Lors d’une vaste consultation dans notre faculté, des suggestions, des réactions et des craintes ont été exprimées, desquels nous avons tenu compte dans la promotion de ce code de conduite. Conclusion : Ce code de conduite constitue une initiative inédite. Il est permis d’ émettre l’hypothèse que l’adhésion du corps professoral aux principes énoncés dans ce code de conduite contribuera au mieux-être des résidents.
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 | 0.011 | 0.077 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.010 | 0.014 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 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".