Innovations en soins et services à domicile au Québec : barrières normatives et de gouvernance
Bibliographic record
Abstract
En mars 2022, le gouvernement du Québec a mandaté le Commissaire à la santé et au bien-être (CSBE) pour « examiner la performance des services de soutien à domicile (SAD), l’efficacité des programmes et leur équité ». Dans le cadre de ce mandat, le CSBE a demandé au Centre interuniversitaire de recherche en analyse des organisations (CIRANO) de se pencher plus spécifiquement sur certaines innovations en soins et services à domicile (SSAD) au Québec afin d’identifier les barrières normatives et de gouvernance à leur déploiement, de mesurer leurs coûts et bénéfices et de proposer des pistes de solutions pour leur développement et leur pérennisation. Nous avons identifié cinq (5) innovations SSAD, au sujet desquelles nous avons effectué une étude qualitative approfondie. Nous avons également repéré plusieurs autres innovations SSAD au Québec et noté une émergence considérable du financement de démarrage d’innovations technologiques destinées à favoriser le maintien à domicile des personnes aînées. Nous présentons dans ce rapport nos constats et des pistes de solutions à considérer pour maximiser le déploiement et la pérennisation des innovations SSAD au Québec.
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 | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".