Bibliographic record
Abstract
Le Réseau mère-enfant est un regroupement de vingt centres hospitaliers situés en périphérie du CHU mère-enfant Ste-Justine qui initient, implantent et évaluent des projets cliniques en vue d’améliorer la qualité, l’accessibilité et la continuité des soins et services offerts aux mères et aux enfants au sein des établissements partenaires. Les premières réalisations du Réseau mèreenfant ont démontré l’intérêt des milieux pour des projets cliniques développés en réseau, de même que leur impact sur l’amélioration des pratiques. La recherche d’excellence dans les soins ainsi que la vocation académique du CHU mère-enfant Ste-Justine ont incité à la priorisation du travail en réseau et à la confirmation de l’engagement des partenaires au développement de projets et activités cliniques, académiques et technologiques. Le Réseau mère-enfant étant bien implanté, des liens de communications sont établis entre les répondants médicaux et professionnels des secteurs de pédiatrie et périnatalogie des différents centres et donnent lieu à l’actualisation de plusieurs projets cliniques. Le Réseau mèreenfant est en constante évolution et son avenir est lié à l’engagement et au dynamisme des professionnels impliqués, ainsi qu’à la création des réseaux de soins intégrés, actuellement en voie d’implantation au Québec.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.020 | 0.011 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.007 | 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".