Projection de la population canadienne vivant en institution de santé : le nombre de places pourra-t-il répondre aux besoins des baby-boomers ?1
Bibliographic record
Abstract
Au Canada, une part importante des soins de longue durée sont prodigués en institution de santé. Ces soins sont associés à des coûts importants, lesquels risquent d’augmenter encore plus rapidement avec l’avancée en âge des membres des cohortes nombreuses du baby-boom. Cependant, les gouvernements font de plus en plus d’efforts pour contenir ces coûts en favorisant le soutien à domicile. Cette situation rend le fait de projeter la population vivant en institution de santé très difficile. Nous présentons dans cet article la projection faite par le modèle de microsimulation LifePaths. Cette projection est faite en supposant le risque d’institutionnalisation constant dans le temps et prévoit un quadruplement des effectifs pendant la période 2011-2051. Étant donné le contexte politique, nous doutons qu’une telle augmentation se réalise. Nous proposons différents scénarios de réduction du nombre de personnes vivant en institution de santé. Les projections tiennent alors compte du transfert d’un certain nombre de personnes vivant en institution vers la population en ménage privé. Nous montrons comment ces personnes peuvent être choisies sur la base de certaines combinaisons de caractéristiques telles l’âge, le niveau de scolarité, le statut matrimonial et le nombre de proches survivants. Enfin, nous quantifions l’augmentation du nombre de personnes projetées comme vivant en ménage privé avec incapacité grave, qui pourrait être accrue de 67 pour cent pendant la période 2011-2051 si l’on suppose que le nombre de personnes vivant en institution de santé reste constant dans le temps.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".