Itinérance, santé mentale et ergothérapie. Une expérience qui confirme d’étonnantes possibilités
Bibliographic record
Abstract
Les personnes itinérantes qui souffrent de maladie mentale constituent une partie importante de la population itinérante. Elles connaissent une multitude de problèmes au niveau du rendement occupationnel et des lacunes dans les systèmes, et les politiques aggravent leur situation. Il existe de plus en plus de preuves que l'ergothérapie peut contribuer à améliorer la santé et la qualité de vie de cette population marginalisée et mal desservie. Cet article décrit le processus et les défis que pose la dispensation des services d'ergothérapie aux personnes itinérantes ayant des problèmes de santé mentale, d'abus de substances et de maladies mentales graves, en ayant recours au modèle Mesure canadienne du rendement occupationnel (MCRO). Il existe une certaine concordance entre les valeurs et les croyances de la profession d'ergothérapeute et les besoins et les questions du rendement occupationnel des personnes itinérantes. En aidant ces personnes à développer des occupations significatives, leur permettant de reprendre leur vie en main, on les rend capables de faire des changements positifs et permanents dans leur vie. Au sein de cette dynamique, il existe un grand potentiel d'apprentissage et de capacité de grandir, qu'on soit dispensateur ou bénéficiaire de services.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".