En temps de crise, quelle place pour la souffrance des soignants? Quelles solutions éthiques y apporter?
Bibliographic record
Abstract
Comment peut-on atténuer la souffrance des soignants, tout en maintenant la qualité des services de santé et sociaux offerts à la population? En éthique professionnelle, le dialogue est souvent préconisé pour coconstruire des solutions, mais, en période de crise, le manque d’importance accordé au dialogue n’exacerbe-t-il pas la souffrance des soignants? Cet article aborde le tabou de la souffrance des soignants, exacerbée par les réformes et par la crise de la COVID-19. Il propose une démarche réflexive de groupe visant à briser le tabou et à dissiper la confusion entourant la souffrance psychologique, éthique et morale des soignants. L’objectif de cette démarche est de remédier à la perte de sens, à l’épuisement professionnel et à l’indifférence vécus par les professionnels. Cette approche requiert une gouvernance collaborative favorisant le dialogue coconstructif ainsi que l’engagement collectif des soignants et des gestionnaires pour trouver des solutions aux dilemmes et aux conflits de valeurs, assurant ainsi la réalisation de la mission commune d’offrir des services de qualité à la population.
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 | 0.043 | 0.048 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.033 | 0.070 |
| Scholarly communication | 0.028 | 0.036 |
| Open science | 0.004 | 0.028 |
| Research integrity | 0.013 | 0.025 |
| Insufficient payload (model declined to judge) | 0.015 | 0.005 |
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".