Le refus de traitement en procréation médicalement assistée au Québec
Bibliographic record
Abstract
D’une juridiction à l’autre, les modèles législatifs encadrant la procréation médicalement assistée (PMA) diffèrent, allant de l’absence de directives nationales à des agences réglementaires supervisant les cliniques de fertilité. De 2010 à 2015, le Québec finançait les services de PMA pour ses résidents sans définir de critères d’accessibilité. Alors que l’adoption de critères d’accessibilité représente un défi éthique complexe, les candidats souhaitant obtenir des services de PMA peuvent être confrontés à un refus par des professionnels sur la base d’une évaluation subjective. Déterminer les critères présentement utilisés par les professionnels en l’absence de directives législatives peut éclaircir les décisions difficiles auxquelles ils font face quotidiennement. Un tel travail peut aussi informer la réflexion éthique quant à l’étude normative de directives dans ce domaine. La présente étude décrit les critères d’accessibilité utilisés par les professionnels travaillant dans des cliniques de fertilité, privées ou publiques, au Québec. Des entrevues semi-dirigées ont été réalisées avec quatre médecins et quatre psychologues. Une recension des écrits a permis de regrouper les critères reportés dans la littérature selon leurs similitudes, puis d’analyser les entrevues selon ces regroupements. De façon générale, les professionnels du Québec utilisent des critères similaires à ceux des professionnels d’autres pays, mais des critères non recensés dans la littérature ont aussi été utilisés par les participants. Les critères utilisés les plus communs étaient la relation conjugale, l’état de santé mentale ainsi que l’âge des candidats. Une découverte importante est que les professionnels n’utilisaient pas un seul critère pour refuser un candidat, mais plutôt une combinaison de facteurs en tenant compte de son contexte de vie. Une autre découverte intéressante est l’utilisation du « rejet temporaire », c’est-à-dire le report des traitements à un meilleur moment pour les candidats selon le professionnel. Les entrevues ont permis de déterminer que les professionnels agissent en tant que gatekeepers et doivent souvent prendre des décisions qui dépassent l’évaluation clinique en se basant sur un jugement personnel. Ce rôle n’est pas facile et les participants ont exprimé des doutes et des remises en question de leurs propres décisions.
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 | 0.015 | 0.047 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".