Une alternative à la naissance en centre hospitalier : les Maisons de Naissance
Bibliographic record
Abstract
Les Maisons de Naissance sont des structures autonomes, gerees uniquement par des sages-femmes, qui peuvent y travailler selon l'essence meme de leur art : le suivi des femmes tout au long du processus de la maternite lorsque celle-ci s'avere physiologique. Ces structures sont aujourd'hui un lieu que peuvent choisir les couples pour la naissance de leurs enfants. Elles representent une alternative au suivi classique en centre hospitalier, considere comme trop medicalise et technicise par certains usagers en attente d'une approche plus humaine et respectueuse, retrouvee dans le cadre de l?accompagnement global propose par les sages-femmes de Maisons de Naissance. Dans ce memoire nous nous sommes interessee aux facteurs impliques dans la mise en place de ces structures dans les pays francophones que sont le Quebec, la Belgique, et la Suisse tant sur le plan general par nos recherches, que local par des entretiens menes aupres de sages-femmes de Maisons de Naissance. Ceci dans le but de pouvoir comparer les situations etrangeres au contexte francais et d'apporter quelques perspectives concernant ces structures encore attendues en France et recemment promues a une experimentation debutant en 2011.
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 | 0.007 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.011 |
| Scholarly communication | 0.013 | 0.005 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.004 | 0.004 |
| 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".