L’accompagnement à l’observance thérapeutique des personnes toxicomanes sous traitement de substitution en situation de précarité
Bibliographic record
Abstract
Contexte : Évaluation d’un projet expérimental sur l’accompagnement à l’observance du traitement de substitution des personnes toxicomanes en situation de précarité. Méthode : Analyse linguistique statistique et analyse compréhensive du récit des pratiques de 13 professionnels d’un centre de soins et de dix personnes sous traitement de substitution. Discussion : L’accompagnement à l’observance thérapeutique permettant d’allier qualité de vie et meilleur état de santé est devenu un objectif de santé publique. Si la compliance n’est plus considérée aujourd’hui comme un objectif de l’éducation en santé, elle n’est pas pour autant exclue des pratiques. Les pratiques d’accompagnement déclarées s’inscrivent autant dans un modèle de guidage de l’action et de l’instruction que dans un modèle privilégiant le cheminement avec le sujet dans un processus d’observance/non-observance tentant d’allier les risques en santé et la qualité de vie. Les professionnels déclarent développer des stratégies, des astuces, pour accompagner ces personnes dans un équilibre de santé et de qualité de vie. La multiplicité des obstacles à l’observance et leur imbrication multidirectionnelle invite à considérer la santé dans son approche biopsychosociale d’un sujet et d’un groupe autonome et capable de prendre des décisions de santé lui permettant d’exister dans un environnement en évolution.
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 | 0.014 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".