Bibliographic record
Abstract
Les armées occidentales sont aujourd’hui encore très largement masculines. Au sein des armées des États-Unis et du Canada, la proportion de femmes était en 2023 respectivement de 17,7 % et 16,1 %.. Les services de santé militaires nord-américains abordent la question de la santé des femmes militaires sous un angle de mise en condition et de maintien de la capacité opérationnelle des forces (readiness) mais aussi sous l’angle de la fidélisation des personnels féminins sous les drapeaux. En effet, en cas de conflit majeur, leurs capacités opérationnelles ne pourront se passer de la ressource humaine apportée par le personnel féminin. Par ailleurs, dans ces deux armées, la prise en compte de la santé des femmes est aussi affaire d’équité en santé. Habituellement, la santé des femmes est comprise comme synonyme à la santé reproductive ou à la santé sexuelle. Si ces domaines restent fondamentaux, il est important d’élargir le champ de la santé des femmes à d’autres problèmes de santé. En effet, de plus en plus de publications mettent en évidence les spécificités de cette santé, que ce soit en termes de prévention mais également de prise en charge médicale, et ce, qu’il s’agisse de troubles cardio-vasculaires, de blessures de l’appareil locomoteur, ou encore de santé mentale. Il apparaît donc incontournable de considérer les spécificités des femmes militaires de manière globale, au-delà d’une l’approche centrée sur la prise en charge gynécologique ou de médecine reproductive. En outre, cette réflexion doit porter aussi bien sur la prévention, la mise en condition opérationnelle, la prise en charge médicale ou encore la recherche. Après un bref historique et un point de situation sur la féminisation des forces armées nord-américaines, cet article a pour objectif de présenter les programmes de santé mis en place dans ces deux pays qui pourraient éventuellement servir d’exemples aux forces armées françaises.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".