Ce qu’il reste de la gouvernance collaborative dans les établissements de santé après la pandémie de COVID-19 : étude de cas exploratoire d’un « retour à la normale »
Bibliographic record
Abstract
La pandémie de COVID-19 a mis en évidence des enjeux de gouvernance dans les organisations de santé au Québec (Canada). Elle a également accéléré l’adoption de modalités de gouvernance collaborative, intégrant les professionnels de la santé et les patients dans le processus décisionnel. Cette étude de cas exploratoire basée sur des entrevues semi-structurées (n = 8), visait à : définir ce qu’a pu être ou est encore la gouvernance collaborative pendant et après la pandémie de COVID-19 dans un établissement de santé au Québec; et comprendre les types d’initiatives et d’enjeux concernant sa mise en œuvre et sa pérennité. Cette étude est successive à une première vague d’entrevues (n = 12) réalisées en 2020 pour un projet connexe, qui a permis de mieux comprendre la gouvernance collaborative en réponse à la crise sociosanitaire de COVID-19 par les organisations de santé (Gabet et collab., 2023). Elle souligne l’importance d’un leadership fort et d’une collaboration intersectorielle, tout en soulignant une potentielle dérive vers des pratiques qui peuvent dénaturer son objectif initial. Il semble nécessaire de clarifier et de partager le sens de cette gouvernance collaborative afin qu’elle reste adaptée aux besoins des personnels et des communautés.
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 | 0.018 | 0.028 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.013 | 0.010 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".