Facteurs clés d’une démarche d’amélioration continuedurable dans les établissements de santé du Québec
Bibliographic record
Abstract
Je tiens premièrement à remercier mes directeurs de recherche : Martin Trépanier pour l'encadrement dans le processus de rédaction du mémoire et Samuel Bassetto pour l'enthousiasme face au projet actuel et aux opportunités futures.J'aimerais ensuite remercier le personnel du CHUM et de l'équipe de la DSAT, tout particulièrement Pascal Beauchamp, responsable du projet 5S, qui m'a appris à être patiente face au système actuel de la santé et l'importance de remettre un travail rigoureux.Merci également à Thibaud Jezequel-Bréard pour l'intérêt pour le projet et les outils développés.Merci à Jean-François Verrault-Fortin pour m'avoir présenté un tout nouveau projet à la suite de la mise en veille du premier.Ce mémoire aurait été très différent sans l'aide de Michèle Desrosiers de Raymond Chabot Grant Thornton.Merci de m'avoir guidée vers des ouvrages spécialisés et des rencontres fructueuses.Merci également à votre entreprise pour m'avoir supportée financièrement par l'entremise d'une bourse MITACS ACCELERATION.Finalement, merci énormément à mes amis, mes collègues de Polytechnique et ma famille pour m'avoir supportée tout au long de ce parcours parfois sinueux et quelquefois rempli de doutes.Aujourd'hui, je suis plus que reconnaissante de vous avoir eus à mes côtés.v
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 | 0.006 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".