L’accès à des services d’interprétation appropriés, essentiel pour la santé des enfants
Bibliographic record
Abstract
Puisque 20 % des Canadiens déclarent avoir une autre langue maternelle que le français ou l'anglais, il n'est pas rare que les professionnels de la santé et les patients maîtrisent des langues différentes. Lorsqu'un médecin et son patient ne peuvent pas communiquer correctement, ils courent le risque de mal se comprendre, ce qui peut se solder par de mauvais résultats cliniques et une réadmission hospitalière. Les services d'interprétation professionnels sont associés à une amélioration de la communication, de l'utilisation des soins, des résultats cliniques et de la satisfaction envers les soins. Il est démontré que le recours à des interprètes non formés ou improvisés, y compris les membres de la famille, accroît les erreurs d'omission, les substitutions, les modifications volontaires et les ajouts. Les enfants et les adolescents n'ont pas acquis une maturité développementale suffisante pour agir en qualité d'interprètes dans le milieu de la santé. Dans un tel contexte, ils sont mis dans une situation inappropriée avec laquelle il peut être difficile de composer et qui peut compromettre durablement à la fois leur propre santé mentale et leur relation avec les autres membres de la famille.
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 | 0.006 | 0.032 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.034 | 0.004 |
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".