Pour une communauté francophone en bonne santé : une étude de cas dans une communauté francophone en situation minoritaire
Bibliographic record
Abstract
C’est dans la communauté rurale de Chéticamp que le programme sur l’initiative des soins de santé primaires pour les communautés francophones (Francophone Primary Health Initiative Program) a été établi. Environ 50 % des initiatives proposées ciblent les personnes âgées, notamment l’amélioration de la santé cardiovasculaire, l’augmentation du niveau d’activité physique et de l’information reliée aux médicaments. Tous les projets ciblent un certain nombre d’habitudes de vie saines et prévoient l’accès à des services médicaux en français, en insistant sur l’importance de services offerts en français. Cette note de recherche rapporte les résultats obtenus auprès de trois groupes de discussion sur l’état de santé de cette petite communauté francophone. L’analyse qualitative présente des données obtenues pendant les cliniques concernant le bien-être des personnes âgées. Même si les personnes âgées participantes aux groupes de discussion se disent en bonne santé, les groupes de discussion donnent différentes raisons concernant l’abandon de projets d’activité physique antérieurs et apportent des suggestions pour de nouvelles démarches. Il est probable que les initiatives de promotion de la santé mettant en oeuvre des stratégies basées sur des données probantes réussissent à améliorer la santé des communautés. Il est temps pour le gouvernement de soutenir les stratégies à long terme afin de concrétiser le développement de communautés en bonne santé.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".