Les soins de longue durée pour les personnes âgées
Bibliographic record
Abstract
Cette étude rend compte des dernières évolutions des politiques en matière de soins de longue durée dans dix-neuf pays de l'OCDE : l'Allemagne, l'Australie, l'Autriche, le Canada, la Corée, l'Espagne, les États-Unis, la Hongrie, l'Irlande, le Japon, le Luxembourg, le Mexique, la Norvège, la Nouvelle-Zélande, les Pays-Bas, la Pologne, le Royaume-Uni, la Suède et la Suisse. Elle étudie les enseignements tirés de l'expérience des pays ayant engagé des réformes de grande ampleur au cours des dix dernières années. L'évolution des dépenses, des financements et du nombre des bénéficiaires des soins est analysée sur la base de données nouvelles concernant les différences observées d'un pays à l'autre. Une attention particulière est accordée aux programmes qui proposent diverses solutions aux consommateurs de ces services, et notamment aux prestations en espèces aux aidants naturels. Des profils concis des systèmes nationaux de soins de longue durée et un aperçu de la démographie et des conditions de vie des personnes âgées rendent plus accessible ce domaine politique complexe.
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 | 0.001 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.025 | 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".