L’aide médicale à mourir pour les personnes atteintes d’un trouble neurocognitif majeur : analyse des commentaires de participants à une enquête
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Nous avons récemment réalisé une enquête postale panquébécoise pour connaître les attitudes de divers groupes face à l’idée d’étendre l’aide médicale à mourir (AMM) à des personnes en situation d’inaptitude. Nous présentons ici les résultats d’analyses qualitatives des commentaires laissés par les répondants à la fin du questionnaire. Celui-ci avait été posté à quatre groupes cibles : des aînés de 65 ans ou plus (n=621), des proches aidants de personnes atteintes d’un trouble neurocognitif majeur (n=471), des infirmières (n=514) et des médecins (n=653) qui prenaient soin de tels patients au moment de l’enquête. Des 1 050 questionnaires retournés, 420 incluent des commentaires. Ces commentaires ont été codés en rubriques, thèmes et sous-thèmes, et la fréquence des rubriques comparée entre les quatre groupes cibles. Le codage a permis d’identifier 23 thèmes et cinq sous-thèmes que nous avons regroupés en sept rubriques principales : 1) le répondant, 2) l’enquête et son questionnaire, 3) les personnes visées par l’extension, 4) leur proches, 5) le système de santé, 6) le cadre législatif qui balise les soins en fin de vie, et 7) la société en général. Ces rubriques ont été repérées dans les quatre groupes cibles, bien qu’à des fréquences différentes pour cinq d’entre elles. La présente étude met ainsi en lumière une panoplie de facteurs susceptibles d’influencer les attitudes face à l’extension de l’AMM aux personnes inaptes. Elle illustre par ailleurs la valeur ajoutée de soumettre des commentaires à une analyse systématique pour mieux comprendre les résultats d’une enquête postale.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 it