Envisager l’improbable, contourner l’inconcevable : histoires (de fin) de vie en hémato-oncologie pédiatrique montréalais
Bibliographic record
Abstract
En hématologie-oncologie pédiatrique, les technologies et les avancées médicales génèrent de multiples voies quant aux possibilités thérapeutiques. Ces possibilités et les espoirs qu’elles suscitent s’invitent comme acteurs dans la prise de décision. Parallèlement, les complications inhérentes aux traitements de pointe (greffes hématopoïétiques) sont nombreuses et la mort, une éventualité. À partir d’histoires d’enfants, de parents et de cliniciens, recueillies au cours d’une enquête ethnographique réalisée dans une unité d’hématologie-oncologie dans un hôpital pédiatrique à Montréal, nous discutons du processus de prise de décision lors de pronostics sombres et des défis posés par le passage d’une trajectoire thérapeutique à visée curative à celle ayant une perspective palliative. Nous questionnons la prise de décision partagée (patient/famille/médecin) et le rôle moral des cliniciens dans un contexte où les « morts spontanées » surviennent rarement et où l’option de prolonger la vie à tout prix rivalise avec la médecine palliative.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.027 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 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".