Bibliographic record
Abstract
Problématique : Il est de plus en plus clair que la pérennité des systèmes de santé repose en partie sur un élargissement des soins offerts par des équipes de première ligne. Il existe de nombreux exemples de modèles de soins primaires performants dans plusieurs pays. Par contre, en général, le Québec peine à atteindre ses objectifs d’accessibilité, d’équité et d’efficience. Les études s’accumulent sur l'importance des soins infirmiers en soins de santé primaire, mais elles fournissent peu de données sur comment entreprendre ces changements en fonction des éléments contextuels propres à chaque milieu. La complexité des interventions à mettre en place pose de nombreux défis. Objectif : Ce mémoire rapporte les résultats d'une revue réaliste portant sur l'optimisation de la contribution des infirmières dans les équipes interprofessionnelles en soins de santé primaire. Méthodologie : Pour ce faire, une analyse de la littérature, basée sur la revue réaliste et l’analyse logique, a permis de déterminer des caractéristiques structurelles désirables de modèles de services de première ligne qui tendent à une contribution étendue ou optimisée des équipes interprofessionnelles. Résultats : La revue réaliste a permis d'élaborer deux typologies analytiques permettant d'établir des bases de fonctionnement cohérentes pour améliorer la performance des modèles de services de première ligne. Conclusion : Ces typologies souhaitent ultimement faciliter l'utilisation des données probantes aux décideurs afin de soutenir les processus de transformation nécessaires en première ligne au Québec.
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 | 0.008 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 0.004 |
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".