Bibliographic record
Abstract
« Dans chaque village, il y a entre une et trois infirmières, et jusqu’à deux intervenants sociaux. Il faut donc tout faire : santé communautaire, suivi des malades chroniques, suivi prénatal et infantile, urgence, protection de la jeunesse, ambulance, chauffeur, femme de ménage (parfois), médiateur familial, vétérinaire (à l’occasion)… Par la force des événements, les infirmières marchent constamment sur la frontière entre la pratique infirmière légale et les actes que l’on pose parce que c’est urgent et que personne d’autre n’est disponible sur place pour le faire. » Le Nord à bras-le-cœur offre un panorama unique de ce qu’est l’acte de soigner. À travers ces récits d’infirmiers et d’infirmières du Grand Nord québécois, on découvre la réalité peu connue des nurses nordiques : ces soignants travaillant en régions éloignées. Par le truchement de leurs histoires, on en vient à mieux connaître leur vie et leur métier trépidants… de même que ce Grand Nord si proche, mais si mystérieux et méconnu. « On peut imaginer que l'avenir des soins médicaux, partout au Québec et pas seulement dans les dispensaires du Nord, pourrait être influencé par cet ouvrage nécessaire, particulièrement à ce moment-ci de notre histoire. » Jean Désy, médecin et écrivain.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.012 | 0.004 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.026 | 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".