Émergence des vulnérabilités de soignants en première ligne au cours des urgences sanitaires
Bibliographic record
Abstract
Basé sur les résultats d’une étude ethnographique sur la construction sociale de la confiance, cet article décrit les expériences vécues lors de l’épidémie de la maladie à virus Ebola. Il montre comment, en première ligne face aux malades, les dispositifs de réponse à une épidémie imprévisible au Sénégal reposent sur les capacités des agents de santé peu visibles, au statut précaire, qui ne sont pas considérés comme faisant partie des membres du personnel de santé, qui assurent au quotidien l’essentiel des soins « ordinaires ». L’article décrit l’itinéraire de soins du patient, les modalités d’identification et le profil des soignants considérés comme des « contacts ». L’auteure décrit leur vécu, les effets sociaux, et financiers de l’assignation à domicile qui renforce la double vulnérabilité professionnelle et sociale ainsi que leurs souffrances. Enfermés dans un « sous‑système de santé » à l’entrée de la pyramide sanitaire, ces soignants invisibles sont les plus exposés, les moins protégés ou soutenus. Cette analyse devrait permettre, d’une part, de contribuer à une connaissance sociologique du rôle habituel et en situation d’épidémie de ces soignants dans le système de soins publics, et, d’autre part, d’appréhender des contours d’une invisibilité « organisée » et institutionnalisée qui compromet les ripostes épidémiques.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| 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".