Cinq Commissions d'enquête face à la <i>Loi canadienne sur la santé</i> : Dissensions ou consensus?
Bibliographic record
Abstract
La Loi canadienne sur la santé (LCS) a été promulguée en 1984 pour assurer que tous les Canadiens puissent bénéficier de services de santé en temps opportun et sans égard à leur situation financière, selon des principes d'accessibilité, d'intégralité, de transférabilité, d'universalité et de gestion publique. Au cours des dernières années, le manque d'accès aux services de santé est devenue une problématique majeure pour la population canadienne et cela a provoqué des situations d'inégalité sociale quant à la capacité de tout un chacun d'obtenir les services de santé requis. Les principes de la LCS se trouvent alors ébranlés, d'autant plus que plusieurs commissions d'enquête sur les services de santé au Canada ont confirmé la nécessité de réformer le système de santé. Par contre, cette réforme remet-elle réellement en cause les principes de la LCS? Le présent texte analyse les positions respectives des Commissions Clair, Fyke, Mazankowsky Kirby et Romanow par rapport aux principes de la LCS. Il ressort de cette analyse que plutôt que de rejeter ces principes, il faudrait les actualiser et s'en servir comme levier organisationnel pour réformer le système de santé canadien.
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 | 0.043 | 0.053 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.016 | 0.016 |
| Scholarly communication | 0.022 | 0.009 |
| Open science | 0.004 | 0.010 |
| Research integrity | 0.012 | 0.016 |
| Insufficient payload (model declined to judge) | 0.005 | 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".