Le suivi intensif dans la communauté et la consommation : quelques enjeux éthiques
Bibliographic record
Abstract
La relation entre les intervenants en milieu de soins et leurs clients est souvent le lieu de profondes incompréhensions et de tensions entre les valeurs de liberté et de sécurité. Cela est particulièrement perceptible dans la relation avec les personnes souffrant de problèmes de santé mentale et d’abus de substances. Le but de cet article est de fournir des pistes de réflexion sur les enjeux éthiques qui se présentent à l’intérieur du programme de suivi intensif dans la communauté autour de la coercition et des conduites abusives de consommation. Les principes de base qui organisent le suivi intensif dans la communauté sont fondés sur les concepts éthiques d’égalité, de respect et de recherche commune de la vérité. Chaque personne est susceptible d’avoir la sagesse de sa propre vie et les habiletés pour gérer ses propres expériences. Il s’agit de créer un espace respectueux de réflexion, qui permet un dialogue entre les différentes perspectives, afin de concilier diverses préférences. Les interventions doivent être discutées avec le client, car celui-ci est au coeur de la prise de décision. Le cadre souple du suivi intensif, en regard de la complexité de la clientèle avec une double problématique, permet d’intervenir en respectant le rythme du client dans le processus de rétablissement et dans le changement de ses habitudes de vie.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.033 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| 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".