L'humour macabre : un mécanisme de défense acceptable en soins critiques?
Bibliographic record
Abstract
Les professionnels de la santé affectés aux soins critiques (urgence, soins intensifs, réanimation et soins coronariens) sont confrontés au quotidien à des situations particulièrement éprouvantes sur le plan émotionnel. Leurs conditions de travail difficiles peuvent devenir anxiogènes, se répercuter sur leur condition physique et/ou psychologique, diminuer leur performance et augmenter leur taux d’absentéisme au travail. Pour faire face à ce contexte stressant et parfois même déprimant, certains professionnels ont recours à l’humour macabre (ou « gallows humour »), une forme d’humour noir à connotation morbide, dont le contenu est susceptible de choquer certaines personnes. Bien que très répandue, l’utilisation de l’humour macabre en soins critiques est extrêmement controversée et la plupart du temps réprimandée par les ordres professionnels. Prenant appui sur les codes déontologiques qui les régissent, les ordres professionnels supposent que l’humour macabre enfreint les devoirs et les responsabilités de leurs membres envers leurs patients, rejetant alors son utilisation d’emblée. Dans cet article, nous contestons le rejet catégorique de l’humour macabre en soins critiques. Nous adoptons une perspective conséquentialiste, axée sur l’étude de la littérature scientifique portant sur les bienfaits de l’utilisation de l’humour en milieu de travail, pour défendre son acceptabilité éthique. En permettant d’être mieux disposés à prodiguer des soins malgré les événements tragiques vécus par les professionnels, nous verrons comment l’utilisation de l’humour macabre peut ultimement avoir des retombées positives sur les patients. L’éthique conséquentialiste n’est pas intéressée seulement par la maximisation des bienfaits de l’humour macabre, mais également par la réduction des risques de préjudices à autrui associés à son utilisation. Ce critère important nous conduira donc à définir les termes et à proposer certaines conditions devant être respectées pour une utilisation éthique de ce mécanisme de défense important par les professionnels de la santé en soins critiques.
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 | 0.009 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.010 | 0.067 |
| Scholarly communication | 0.012 | 0.009 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.008 | 0.008 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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".