L’utilisation des services de santé dans les régions rurales du Canada
Bibliographic record
Abstract
Les Canadiens ont à cœur la facilité d’accès aux services de santé. Bien que de nombreuses études aient porté sur l’accessibilité des soins de santé au Canada, très peu d’entre elles l’ont examinée sous l’angle des différences entre les régions urbaines et rurales, particulièrement dans une perspective à échelle nationale. Pourtant, il existe des disparités entre les populations des régions urbaines et rurales, tout comme il existe des différences entre les services dans les régions éloignées et dans les régions à faible densité de population. Les collectivités rurales au Canada : comprendre la santé rurale et ses déterminants est un programme de recherche de trois ans financé par l’Initiative sur la santé de la population canadienne (ISPC) de l’Institut canadien d’information sur la santé (ICIS)et par l’Agence de la santé publique du Canada (l’ASPC). Y participent entre autres des chercheurs de l’Agence de la santé publique du Canada (ASPC) et du Centre de recherche en santé dans les milieux ruraux et du Nord de l'Université Laurentienne et d’autres chercheurs. Le premier document publié dans le cadre de ce programme de recherche s’intitule Comment se portent les Canadiens vivant en milieu rural? Une évaluation de leur état de santé et des déterminants de la santéFootnote 1a1a. Le présent document constitue la seconde publication de ce programme : il s’agit d’une analyse descriptive et comparative de l’utilisation d’un grand nombre de services de santé par les populations rurales et urbaines.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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.
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".