Processus de développement d’une trousse d’accompagnement pour l’examen médical
Bibliographic record
Abstract
Alors que plus de la moitié des immigrants francophones vivant en Ontario proviennent de l’Afrique et des Caraïbes, les professionnels de la santé formés au Canada ne sont pas suffisamment familiers avec les problèmes de santé auxquels les nouveaux arrivants peuvent être confrontés. Fort de ce constat, dans un partenariat multidisciplinaire, le Centre de recherche en santé dans les milieux ruraux et du nord, le Centre de santé communautaire du grand Sudbury, l’Institut du savoir Montfort, l’École des sciences de l’activité physique de l’Université Laurentienne et un groupe d’immigrants francophones du Grand Sudbury, ont développé en utilisant l’approche de recherche collaborative, une trousse d’accompagnement pour l’examen médical du nouvel arrivant à l’attention des professionnels de la santé et des services sociaux. Le processus d’élaboration de la trousse a nécessité plusieurs étapes : 1) l’établissement d’un partenariat entre les organismes sus cités; 2) la recension des écrits pour identifier les problèmes de santé les plus fréquents; 3) la sélection des problèmes les plus fréquents et qui ne sont pas nécessairement ceux que les professionnels de santé rencontrent dans leur pratique; 4) la rédaction des versions provisoires des fiches d’information en insistant sur certains aspects importants de la maladie; 5) la validation des fiches avec les partenaires; 6) la restitution des fiches finales (25 fiches dont 3 portent sur l’examen général, 10 autres portent sur certaines maladies tropicales, 8 portent sur les signes et symptômes les plus fréquemment rencontrés et les 4 autres sur les soins de santé en Ontario); et 7) le développement d’une capsule infographique afin d’assurer une plus grande visibilité de la disponibilité de la trousse d’accompagnement pour l’examen médical des nouveaux arrivants francophones.
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 | 0.035 | 0.054 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 0.004 |
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".