L’expérience des visites chez le médecin de famille telle que vécue par des francophones de 45 ans et plus du nord de l’Ontario
Bibliographic record
Abstract
INTRODUCTION : En 2007, d'après le critère de la première langue parlée, nous avions 138 francophones pour chaque médecin en Ontario.Ce chiffre devient toutefois 297 francophones pour chaque médecin de famille en mesure d'offrir des services en français (Gauthier, Timony, Wenghofer, 2012).La suite des recherches de Timony et collab.(2013) dans « Promising quantities, disappointing distribution » nous informe que même si les ratios de médecins pouvant offrir des services en français sont prometteurs pour les francophones, on trouve un plus grand ratio de ces médecins dans les communautés ontariennes où moins de 10 % de la population est francophone (5,6 de ces médecins par 1000 habitants francophones).Cela laissant, en revanche, les communautés fortement francophones rurales du Sud et du Nord de la province avec les plus petits ratios de médecins pouvant offrir des services en français aux résidents francophones (Timony et collab., p. 5).Parmi les conclusions de ces chercheurs, on souligne la tendance d'une décroissance du nombre de médecins pouvant offrir des services en français dans une région selon la croissance du nombre d'habitants francophones (Timony, Gauthier 2013).Nous ne remettons pas en question l'importance des médecins de famille pour la santé de nos communautés fortement francophones en Ontario.L'importance de la médecine de première ligne est amplement discutée au Canada ainsi qu'en Ontario (Picard, 2004; CMFC, 2004) en plus du besoin de l'amélioration de l'accès aux services de première ligne (Health Council of Canada, 2014).Sur la santé des Ontariens, Kasperski (2011) ajoute que « l'amélioration de la médecine familiale est l'antidote nécessairedans les grandes villes, les petites villes et dans les collectivités éloignées et rurales [traduction libre] » (p.3).En réalité, il existe une documentation exhaustive sur l'évolution et les recommandations pour les pratiques de médecines familiales au Canada et en Ontario, cela toujours dans le but d'améliorer l'accès, la qualité des services de santé et la santé des Canadiens et Canadiennes.Les recherches de Gauthier et Timony (2012; 2013) s'inscrivent dans ce courant de la recherche en accordant une attention particulière à la population francophone de l'Ontario, en examinant, notamment, la santé des francophones du point de vue des médecins de famille en Ontario (Gauthier, 2013).Parallèlement, la santé des francophones en Ontario est un phénomène largement documenté au cours de la dernière décennie.Dans l'ensemble, les recherches révèlent que les Franco-Ontariens sont moins en santé que les Ontariens en général (Picard, 1999; REDSP, 2000; REDSP, 2005; Bouchard, 2011 Bouchard, & 2012)).De surcroît, les rapports affirment que les francophones de la province se disent eux-mêmes en moins bonne santé que leurs homologues anglophones (REDSP, 2005; Bouchard, 2009; Bouchard, 2012).Notons que le récent rapport de Bouchard (2012), comparant l'état de santé des francophones à celui des anglophones de l'Ontario, examine aussi la santé des Ontariens en relation avec les visites chez le médecin de famille.Selon Bouchard (2012), l'importance du médecin de famille est apparente.Son étude rapporte que « dans l'ensemble, 90 % de la population de l'Ontario ont un
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".