Bibliographic record
Abstract
Les hôpitaux de réadaptation offrent un contraste saisissant entre le personnel, qui est en grande partie jeune, en forme et en bonne santé, et les patients, qui ont subi des événements importants, souvent brutaux, qui changent leur vie.Combler le fossé entre ces deux mondes n'est pas facile, mais il peut aussi être difficile de concilier les valeurs des patients hospitalisés avant une blessure ou une maladie à ceux qui sont la voie de la guérison.Ceux qui travaillent dans la médecine de réadaptation promeuvent souvent un modèle de processus de consentement parce qu'ils comprennent que les patients avec des blessures fraîches peuvent avoir besoin de temps pour adapter leurs valeurs à leur nouvelle vie.Malgré cette compréhension, il peut être un défi de déterminer la meilleure façon de respecter l'autonomie du patient, tout en aidant ces mêmes patients à apprécier quelques-unes des limites de leurs capacités.La rédaction du récit personnel qui suit, tiré de ma propre expérience d'éthicienne de soins de santé et un patient réticent, m'a donné un meilleur aperçu de ces perplexités.Cette réflexion explore mon changement d'approche dans ma pratique professionnelle -et surtout dans ma vision de l'autonomie du patient -à la lumière de ma propre expérience avec la dépression post-partum.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.007 | 0.009 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.068 | 0.023 |
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".