MétaCan
Menu
Back to cohort
Record W3089478446 · doi:10.24095/hpcdp.29.4.03f

Naviguer dans le système de soins de santé : perceptions des patients aux prises avec des douleurs chroniques

2009· article· fr· W3089478446 on OpenAlexaffvenue
Dewar Al, Katy Gregg, Marc White, Janice Lander

Bibliographic record

VenueMaladies chroniques au Canada · 2009
Typearticle
Languagefr
FieldHealth Professions
TopicHealth, Medicine and Society
Canadian institutionsUniversity of AlbertaUniversity of British Columbia
Fundersnot available
KeywordsHumanitiesPolitical scienceArt

Abstract

fetched live from OpenAlex

Il nous faut créer un nouveau cadre pour les patients aux prises avec des douleurs chroniques et pour les médecins de soins primaires qui s’en occupent, cadre qui reconnaîtrait l’expérience de chacun et qui fournirait de l’information fondée sur des données probantes, ainsi que de meilleurs liens avec les ressources communautaires. La présente étude décrit l’expérience de 19 sujets souffrant de douleurs chroniques qui ont cherché un soulagement par le moyen du système de soins de santé. Leur expérience a été consignée par l’intermédiaire d’entrevues en profondeur, semi-structurées, puis analysée par des méthodes qualitatives. Les participants ont déclaré avoir éprouvé de l’optimisme au début, puis avoir été déçus, et finalement avoir accepté de vivre avec la douleur chronique. Les personnes souffrant de douleurs chroniques, tout comme les professionnels de la santé qui s’en occupent, ont besoin de ressources fondées sur des données probantes, ainsi que d’information sur les meilleures pratiques pouvant les aider à gérer la douleur. Une communication empreinte d’empathie entre les professionnels et les personnes atteintes de douleurs chroniques est primordiale car des communications marquées par l’insensibilité ont un effet négatif sur l’individu, réduisant l’observance du traitement et accroissant l’utilisation des services de santé.

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)0.002
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Research integrity, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.483
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0020.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0050.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0020.000

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 head0.023
GPT teacher head0.338
Teacher spread0.315 · 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 designObservational
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

Citations0
Published2009
Admission routes2
Has abstractyes

Explore more

Same venueMaladies chroniques au CanadaSame topicHealth, Medicine and SocietyFrench-language works237,207