Adaptation et conditions d’utilisation d’un outil d’analyse des interventions au regard des inégalités sociales de santé
Bibliographic record
Abstract
Si la lutte contre les inégalités sociales de santé ne devrait pas uniquement incomber aux \nacteurs de santé publique, ces derniers doivent au moins s’assurer que leurs interventions en \ntiennent compte. Or, les acteurs concernés par ces interventions ne disposent que de peu d’outils, \npour les soutenir dans cette démarche. Ainsi, sur la base d’une recherche réalisée en France, nous \navons adapté, testé et développé au Québec, un outil visant à aider les acteurs à mieux considérer \nles inégalités sociales de santé. L’article vise à présenter la démarche ayant mené à l’adaptation de \nl’outil au contexte québécois, à décrire l’outil, puis à discuter des enjeux de son intégration dans les \npratiques professionnelles. Le processus d’adaptation de l’outil a suivi une démarche participative \net constructive entre chercheurs, gestionnaires et intervenants afin de disposer d’un outil utile et \nutilisable. Il est composé de cinq rubriques associées aux interventions (planification, mise en \nœuvre, évaluation, pérennisation et pouvoir d’agir) et de 44 éléments de réflexion présentés sous la \nforme de questions. L’outil est accompagné d’un guide d’utilisation, d’un glossaire et d’exemples \nd’application. Il poursuit une démarche réflexive et constructive où les acteurs concernés par une \nintervention peuvent être accompagnés par un tiers médiateur afin d’analyser leur prise en compte \ndes inégalités sociales de santé. L’appréciation permet ainsi de proposer collectivement des pistes \nd’améliorations, que l’on peut suivre dans le temps, afin de mieux prendre en considération l’équité \ndans les interventions de santé publique. L’article conclue sur certains enjeux liés à son intégration \ndans les pratiques professionnelles.
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 | 0.072 | 0.137 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".