Temps d'attente dans le secteur public de la santé au Québec : mesure, conséquences et moyens pour les réduire
Bibliographic record
Abstract
Cette recherche répond à plusieurs questions : Qu'est-ce que des temps d'attente? Est-ce qu'ils sont bien mesurés? Y-a-t-il des comparables d'une province à une autre? En quoi se comparent-ils à ceux dans d'autres états ou pays consacrant une part similaire ou moindre de leur PIB aux dépenses de santé? Y-a-t-il des pays qui ont réussi à bien maîtriser les temps d'attente sans affecter la qualité des services? Comment? Est-ce que des chercheurs ont tenté de déterminer s'il y avait un temps d'attente optimal? Les temps d'attente en santé ont une large couverture médiatique et sont une préoccupation majeure du public, des individus ou des entreprises. Pour beaucoup d'individus, attendre pour être traité, recevoir un diagnostic ou voir un médecin de famille peut être des expériences pénibles et stressantes qui ont des répercussions sur leur qualité de vie, l'absentéisme au travail, le présentéisme et la productivité au travail ou à la maison. Quant aux entreprises, certaines rapportent lors de discussions informelles que les temps d'attente leur entraînent des coûts indirects importants lorsque leurs employés doivent attendre pour recevoir des soins, et sont donc absents de leur lieu de travail, ou lorsqu'ils sont moins productifs à cause d'une douleur ou d'un inconfort causé par une maladie non traitée. À l'échelle de la société donc, les temps d'attente peuvent entraîner des conséquences et des coûts, mais quelle est au juste leur ampleur? Pour répondre à cette question, ce rapport propose, dans un premier temps, de circonscrire la notion de temps d'attente en santé, d'en donner une définition et de préciser les limites de son interprétation. Par ailleurs, la première section décrira aussi quels temps d'attente sont mesurés au Canada, et où se place le Québec, sur des données comparables, par rapport aux autres provinces canadiennes. Une fois les temps d'attente définis, la deuxième partie s'attachera à évaluer leur impact sur la société, et notamment sur les revenus des individus, les coûts pour la société et la productivité et donc dans quelle mesure les temps d'attente sont-ils un problème de société qu'il est impératif de régler. Finalement, la dernière section présentera des pistes de solution pour réduire les temps d'attente. Cette recherche a été effectuée au moyen d'une analyse quantitative et d'une revue de la littérature. Dans cette revue, il n'y a pas eu d'évaluation par les auteurs des écrits pour juger de leur validité scientifique. Ce qu'il importait à cette étape était de recenser ce qui existait sur le sujet des temps d'attente et couvrir tout le spectre des opinions, conclusions ou façons d'aborder le sujet.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".