MétaCan
Menu
Back to cohort
Record W3088334283 · doi:10.14745/ccdr.v46i09a09f

Programme d’indemnisation des victimes d’une vaccination : Justification et aperçu du programme du Québec

2020· article· fr· W3088334283 on OpenAlexaffvenueabout
Ève Dubé, Dominique Gagnon, Noni E. MacDonald, Shawn Harmon, Sandani Hapuhennedige

Bibliographic record

VenueRelevé des maladies transmissibles au Canada · 2020
Typearticle
Languagefr
FieldSocial Sciences
TopicVaccine Coverage and Hesitancy
Canadian institutionsUniversity of TorontoDalhousie UniversityCentre hospitalier de l'Université Laval
Fundersnot available
KeywordsPolitical science

Abstract

fetched live from OpenAlex

Les vaccins sont parmi les agents thrapeutiques les plus srs, et les effets indsirables graves se produisent rarement. Lorsqu'ils se produisent, une personne peut devoir assumer une partie ou la totalit des cots associs ses blessures, demander une indemnisation par voie de litige ou, si possible, demander une indemnisation dans le cadre d'un programme d'indemnisation des victimes d'une vaccination financ par le secteur public. Les programmes d'indemnisation des victimes d'une vaccination sont des rgimes d'indemnisation sans gard la faute dans le cadre desquels les gouvernements indemnisent les personnes lses par des vaccins fabriqus adquatement. Il existe des justifications thiques, juridiques et pratiques l'appui de ces programmes. l'chelle mondiale, 19 pays ont mis en oeuvre des programmes d'indemnisation des victimes d'une vaccination; dans la majorit de ces pays, les vaccins ne sont pas obligatoires. Ils ont tous des processus semblables en ce qui concerne les faons d'appliquer, les preuves ncessaires et les lments d'indemnisation. Au Canada, seule la province de Qubec a un programme d'indemnisation des victimes d'une vaccination, lequel fonctionne avec succs depuis 1985. Les programmes d'indemnisation des victimes d'une vaccination soulvent des proccupations, notamment en ce qui a trait au cot, la difficult d'valuer la causalit et la crainte que de tels programmes puissent miner la confiance du public dans les vaccins, mais ces proccupations peuvent tre surmontes, surtout dans les pays revenu lev qui peuvent assumer les cots et qui ont la capacit de grer le programme.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Other design · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.710
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.002
Science and technology studies0.0020.000
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.033
GPT teacher head0.243
Teacher spread0.209 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designOther design
Domainnot available
GenreEmpirical

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".

Quick stats

Citations1
Published2020
Admission routes3
Has abstractyes

Explore more

Same venueRelevé des maladies transmissibles au CanadaSame topicVaccine Coverage and HesitancyFrench-language works237,207