Expérience au travail du personnel des établissements de soins de longue durée lors de la première vague de la pandémie de COVID-19 au Québec
Bibliographic record
Abstract
La première vague de la pandémie de COVID-19 a été marquée au Québec par le plus lourd bilan au Canada tant en termes du nombre de personnes infectées que de décès. Selon l’INSPQ, 92 % des décès recensés ont touché les personnes âgées de 70 ans et plus. Les établissements de soins de longue durée et autres milieux de vie et de soins dédiés aux aînés ont été frappés de plein fouet. Comment les personnes qui travaillaient alors dans ces milieux ont-elles vécu cet épisode ? À la demande de la Commissaire à la santé et au bien-être, une équipe de recherche du CIRANO a réalisé une enquête auprès de 2365 travailleuses et travailleurs œuvrant dans le milieu. Ces personnes ont témoigné de leur expérience au travail pendant la première vague de la pandémie. On s’est intéressé à leurs perceptions quant aux ressources auxquelles elles ont eu accès — et celles auxquelles elles n'ont pas eu accès — et aux exigences et contraintes auxquelles ils ont dû faire face. On a aussi cherché à mieux comprendre pourquoi plusieurs avaient l’intention de quitter leur emploi. En portant attention à la perspective des travailleuses et travailleurs, l’étude de Carl-Ardy Dubois, Doyen et professeur titulaire à l’École de santé publique de l’Université de Montréal et Chercheur CIRANO, réalisée en collaboration avec Roxane Borges da Silva et Alexandre Prud’homme, nous éclaire sur les diverses situations de fragilité qui ont pu affecter la performance du système de santé dans sa réponse à la pandémie.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.005 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".