Mise au point d’indicateurs sociosanitaires : une approche à l’échelle du district
Bibliographic record
Abstract
Introduction En réaction aux taux élevés de maladies chroniques, la Régie régionale de la santé Capital en Nouvelle-Écosse a reconnu la nécessité de modifier le processus décisionnel axé sur les soins actifs pour privilégier une approche axée sur la santé de la population et guidée par des indicateurs sociosanitaires. Méthodologie Une enquête a été menée auprès des principaux intervenants à propos de leur connaissance des indicateurs socio-sanitaires en lien avec la santé, et à propos de leur opinion sur l’utilité de ces indicateurs dans l’aide à la prise de décision. Résultats Les répondants ont déclaré bien connaître les indicateurs sociosanitaires présentés et les ont trouvé utiles. Ils ont fait un choix plutôt consensuel sur les indicateurs prioritaires aptes selon eux à guider les interventions. Ils sont plutôt favorables à l’utilisation d’indicateurs sociosanitaires pour aider à définir une politique de la santé axée sur la population, du fait qu’ils ont participé au processus de choix, que la présentation des éléments probants a été faite en termes simples et pertinents, et que la diffusion des éléments a été large.
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 | 0.009 | 0.031 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.012 | 0.005 |
| Open science | 0.004 | 0.007 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.034 | 0.006 |
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".