Télésanté en contexte de pandémie et de déconfinement : pratiques infirmières innovantes et partenariats pour des communautés équitables, sécuritaires et durables
Bibliographic record
Abstract
La télésanté connait un essor fulgurant en ce contexte de pandémie. Or, en cette période d’insécurité mondiale, la santé préventive reprend ses droits. En période de déconfinement, la discipline et la cohésion sociale peuvent se relâcher. Cette enquête sociale vise à décrire un programme d'intervention à distance, réalisé en partenariat avec des locataires de logement communautaire, des infirmières et des étudiantes pour soutenir la littératie en santé au temps de la COVID-19. Le Programme de déconfinement en toute sécurité vise à renforcer les mesures préventives et de soutien avec des groupes en contexte de vulnérabilités économiques et sociales à l’aide de la télésanté. Les infirmières ont développé des pratiques cliniques et psychosociales et renforcé la littératie en santé, soutenant les mesures de santé publique post-COVID-19, surveillant l’éclosion de nouveaux foyers et apaisant les souffrances issues du confinement. À l’aide de cibles de performance des systèmes de santé et d’une perspective de justice sociale, nous avons documenté les défis, les leviers et les menaces à l’usage des pratiques à distance en prévention. Vecteur d’une approche intégrée, la télésanté préventive peut cibler simultanément, la lutte contre les maladies non transmissibles et transmissibles et les inégalités. La pandémie de COVID-19 renvoie à un nouvel équilibre des enjeux qui exige un accompagnement et des pratiques de santé communautaire engagées et critiques.
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 | 0.017 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.011 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.002 | 0.013 |
| Research integrity | 0.005 | 0.009 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".