Maltraitance organisationnelle dans les CHSLD : la réponse du gouvernement du Québec en contexte de crise sanitaire
Bibliographic record
Abstract
Les nombreux cas de COVID-19 dans les centres d’hébergement et de soins de longue durée (CHSLD) forcèrent le gouvernement à réagir à ce qui fut qualifié d’« urgence nationale » par le premier ministre québécois. Cet article a donc pour objectif de mettre en exergue les facteurs politiques et organisationnels ayant joué un rôle central dans la détérioration des conditions de vie et de la santé des résidents en soulignant, notamment, les manifestations de maltraitance organisationnelle ayant eu cours au sein de ces établissements entre mars et juin 2020. Une analyse thématique des discours publics consignés par l’Assemblée nationale du Québec (N = 73), à partir de 14 thèmes, fut menée. Ces données furent croisées avec de la littérature scientifique, grise et journalistique afin de compléter l’analyse. Le manque de préparation, combiné à une absence massive du personnel ou à sa mobilité, contribua à la circulation du virus. Pour contrecarrer cette « crise dans la crise », une formation accélérée pour les préposés aux bénéficiaires fut mise sur pied. Or, son échafaudage comporte des limites : un temps de formation amputé de moitié, de même qu’une réduction du nombre de compétences enseignées. Fait préoccupant, la compétence abordant la lutte contre la maltraitance y semble absente. À la lumière de ce portrait, il est justifié de se demander si, dans sa volonté de redresser rapidement les déterminants à la base de situations de négligence organisationnelle, le gouvernement ne risque pas, ironiquement, d’y contribuer à court et à moyen terme.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.011 | 0.008 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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 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".