Bibliographic record
Abstract
Au cours des dernières années, la fréquence du suicide chez les mineurs a grimpé d’une façon alarmante et ce, même s’ils sont pris en charge par le réseau de la santé et des services sociaux. Les moyens que s’est donnés le législateur pour protéger les jeunes suicidaires sont-ils adéquats? Les intervenants du réseau de la santé et des services sociaux savent-ils comment les mettre en oeuvre? Pour répondre à ces questions, l’auteure examine les trois avenues juridiques applicables aux mineurs suicidaires et démontre que les lois sont cohérentes et complémentaires. Par la suite, elle analyse le cadre d’intervention actuel et constate l’absence de concertation, l’incompréhension des lois et leur mauvaise application à l’intérieur du réseau médical et social. Par conséquent, la solution juridique au problème de l’incidence élevée du suicide ne réside pas dans des amendements législatifs. Comme voie de solution, l’auteure explique de quelle façon les établissements et les intervenants devraient appliquer les lois dans la gestion du risque suicidaire. Enfin, elle énonce quels éléments devraient être inclus dans les protocoles d’intervention qui permettraient de mieux coordonner les services, espérant ainsi pouvoir contribuer à diminuer le nombre de jeunes qui meurent par suicide 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 | 0.000 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| 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".