« Les bonnes intentions ne suffisent pas » : analyse d'une politique de santé pour les personnes âgées au Sénégal
Bibliographic record
Abstract
En 2006, le Sénégal a institué une politique dite le « Plan Sésame », inédite en Afrique de l’Ouest, de réduction de la vulnérabilité sociale des personnes âgées de plus de 60 ans. Cet article analyse le processus de mise en œuvre du Plan Sésame. La recherche est basée sur une étude de cas unique autorisée par le ministère de la Santé. Elle repose sur des données qualitatives collectées au moyen de trois techniques : i) entretiens individuels (n = 19), ii) groupes de discussion (n = 24), iii) et étude documentaire. Malgré son objectif social, le Plan Sésame s’est finalement limité à l’accès gratuit aux services de santé. Même ce volet sanitaire souffre d’un sous-financement. La dimension politique, la faiblesse de ses mesures d’accompagnement et le manque de personnel conduisent à des retards de remboursements qui entraînent une mise en œuvre restrictive et des carences financières qui s’ajoutent aux précédentes dettes de l’État vis-à-vis des structures de santé. Si les personnels de santé et les personnes âgées adhèrent à l’idée de la gratuité des soins, ils regrettent néanmoins ses problèmes d’application. Les problèmes de mise en œuvre du Plan risquent de précipiter sa fin alors qu’il apparaît comme une solution utile. Le faible intérêt des partenaires internationaux pour cette politique, sa revendication nationale et sa forte dimension électorale ne doivent pas empêcher une conception technique rigoureuse et des mesures d’accompagnement anticipées.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".