La mortalité des médecins au Québec entre 1993 et 2010 : une estimation à partir de données administratives1
Bibliographic record
Abstract
Plusieurs études démontrent l’existence d’une association entre la mortalité et le statut socioéconomique : les personnes appartenant aux catégories sociales les plus favorisées ont une mortalité plus faible que celles appartenant aux catégories défavorisées. Les données nécessaires à ce type d’analyse ne sont pas toujours disponibles et des études sont parfois menées auprès des groupes professionnels spécifiques. Cet article fournit une estimation de la mortalité des hommes médecins au Québec faite à partir des données d’un fichier administratif du Collège des médecins du Québec. Les résultats obtenus montrent une diminution de la mortalité des hommes médecins au cours de la période étudiée (1993 à 2010), mais les différences ne sont significatives que pour les groupes d’âge à partir d’environ 60 ans. Lorsqu’on compare la mortalité des médecins à celle de l’ensemble de la population masculine québécoise, nous constatons une mortalité plus faible chez les hommes médecins inscrits au tableau des membres du Collège des médecins. Finalement, cette étude ne montre pas de différence significative entre la mortalité des hommes médecins omnipraticiens et celle des hommes médecins spécialistes.
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.018 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".