Encadrement normatif et contractuel des pratiques de téléconsultation en clinique de première ligne
Bibliographic record
Abstract
Jusqu’à la pandémie de la COVID-19, les services de téléconsultation offerts par des médecins omnipraticiens au Québec étaient fortement limités essentiellement parce qu’ils n’étaient pas rémunérés puisque non reconnus comme des actes médicaux assurables. Le décret du 16 mars 2020 , adopté dans le contexte d’urgence sanitaire, permet maintenant cette rémunération au même titre que la rémunération associée à la visite du patient en clinique. De nombreux avantages sont reconnus et associés à la téléconsultation en première ligne si cette téléconsultation est bien encadrée. Le présent projet vise à examiner les bonnes pratiques d’encadrement de la téléconsultation et à proposer des recommandations avant que ne soit négocié la prochaine entente de rémunération avec les médecins omnipraticiens. Nous recommandons notamment une formation obligatoire, une clarification législative quant au droit des assureurs privés de rembourser la téléconsultation et des modalités de rémunération variées en fonction du type de téléconsultation. Il nous appert enfin impératif de rapidement commander une étude détaillée sur les bénéfices et les coûts de la téléconsultation au Québec.
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 | 0.044 | 0.094 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
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".