Le triage en services d’urgence en temps de pandémie au Québec : l’outil en tant que stratégie micropolitique d’un agencement biopolitique
Bibliographic record
Abstract
Au Québec, la crise de la COVID-19 a mis en lumière la mise en place, sans annonce publique, d’un protocole de triage par le gouvernement québécois. Celui-ci a été l’objet de critique en raison de la discrimination qu’il entretenait envers les personnes ayant des incapacités et les aînés dans l’accès aux ressources. L’article cherche à replacer l’outil de triage en tant que machine micropolitique dans un agencement plus large afin de mieux comprendre l’orientation utilitariste de ce dispositif sanitaire de crise. Le choix quant à l’allocation de ressources repose sur un calcul entre le potentiel de survie des personnes et le coût de cet effort afin de préserver le système hospitalier et des discriminations s’installent rapidement au moment du choix. L’article montre, par le biais d’une analyse de la machine triage et de l’agencement duquel il découle, son origine militaire et impériale dans les guerres napoléoniennes, mais aussi que le protocole tend à externaliser et à automatiser des décisions anciennement prises par les médecins. Le propos s’installe dans une considération politique à la fois d’un capacitisme évident par l’infrastructure sanitaire, mais aussi d’un agencement biopolitique qui le produit et le transmet par ses machines.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".