L’indemnisation des victimes d’une infection nosocomiale au Québec : les leçons du droit français
Bibliographic record
Abstract
Les infections nosocomiales sont un des plus graves problèmes auxquels fait face la médecine moderne et revêtent une ampleur qui leur a valu de faire récemment l’objet d’une attention médiatique et sociale accrue au Québec. Bien qu’il soit habituellement aisé de relier l’apparition de l’infection à l’acte ou au milieu médical, il est souvent impossible de déterminer la cause de cette infection. Cette incertitude empêche par la suite de déterminer si une faute est à l’origine de la contraction de l’infection. La victime d’une infection nosocomiale fait donc face à la lourde tâche de prouver la cause probable de son préjudice et de démontrer si celle-ci peut être reliée à une faute du médecin, du personnel hospitalier ou de l’hôpital. L’augmentation du nombre de victimes d’une infection contractée en milieu hospitalier met donc au défi la structure, les éléments constitutifs, et même le champ d’application des règles traditionnelles de la responsabilité civile élaborées pour satisfaire aux cas classiques de responsabilité. Dans le texte qui suit, l’auteure s’intéresse au contentieux de l’infection nosocomiale au Québec et en France et étudie de quelle façon la jurisprudence de ces ressorts répond aux difficultés soulevées par la question de l’indemnisation des victimes d’une infection nosocomiale.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".