Besoins et priorités des aînés en matière de prescription sociale au Canada : une analyse qualitative
Bibliographic record
Abstract
Introduction La prescription sociale est une approche holistique et collaborative qui vise à aider les individus à avoir accès aux mesures de soutien et aux services communautaires nécessaires pour combler leurs besoins sociaux non médicaux. Cette étude visait à évaluer les besoins et les priorités des aînés canadiens (55 ans et plus), en portant une attention particulière à l’optimisation des programmes de prescription sociale à l’intention des personnes qui sont systémiquement défavorisées et socialement marginalisées. Méthodologie Des groupes de discussion semi-structurés (N = 10 groupes, 43 participants) ont été organisés en ligne sur Zoom avec des participants de l’ensemble du Canada. La transcription des données et l’analyse thématique ont été réalisées à l’aide du logiciel NVivo. Les analyses s’appuient sur la théorie de l’autodétermination. Résultats D’après nos résultats, les aînés souhaitent avoir accès à des programmes de prescription sociale qui respectent leur capacité à maintenir leur autonomie et leur indépendance; qui favorisent le développement de liens et d’un sentiment d’appartenance; qui sont fondés sur la confiance et l’établissement de relations solides dans les interactions avec les fournisseurs et les agents de liaison communautaires et qui donnent la priorité à la personne, personnalisant ainsi la prescription sociale en fonction des besoins spécifiques de chacun. Conclusion Les programmes de prescription sociale doivent être fondés sur les valeurs des aînés. Alors que des travaux sont actuellement en cours pour formaliser et étendre la prescription sociale au Canada, la personnalisation de ces programmes en fonction de la situation, des besoins et des priorités spécifiques des participants devrait être une priorité majeure.
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 | 0.011 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.014 | 0.008 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".