L’influence des caractéristiques organisationnelles de la première ligne médicale sur l’auto-soins en maladies chroniques au Québec
Bibliographic record
Abstract
La prise en charge efficace des maladies chroniques nécessite une implication accrue des patients dans la gestion de leurs soins et de leur état de santé. Le lien existant entre les caractéristiques organisationnelles de la 1ère ligne et la capacité des patients pour l’auto-soins étant peu documenté, l’objectif de ce mémoire est de mieux comprendre comment l’organisation de la 1ère ligne médicale peut influencer la capacité des personnes pour l’auto-soins d’une maladie chronique. Pour atteindre cet objectif, 776 patients atteints de maladie chronique ont été recrutés dans 33 cliniques ayant participé à une enquête organisationnelle. Ces patients ont répondu à un questionnaire sur l’auto-efficacité pour la gestion d’une maladie chronique à 0, 6 et 12 mois. Des analyses par régression hiérarchique à 3 niveaux ont permis de mesurer les liens entre les variables organisationnelles sélectionnées et la capacité perçue des patients pour l’auto-soins de leur maladie. Les résultats montrent que les caractéristiques organisationnelles ont peu d’effet sur l’auto-efficacité pour l’auto-soins en comparaison aux facteurs individuels, et que le soutien à l’auto-soins est peu présent dans les cliniques participantes sans égard à leurs attributs organisationnels. Bien qu’aucune des caractéristiques sélectionnées n’apparaisse significativement associée à l’auto-soins dans le modèle final, des associations significatives ont été observées en analyses bivariées. Ces résultats suggèrent que toutes les organisations de 1ère ligne doivent fournir un effort explicite pour mieux intégrer l’auto-soins dans les services de santé usuels et que la présence d’éléments organisationnels facilitateurs ne se traduit pas systématiquement par une provision accrue de soutien à l’auto-soins.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| 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) | 0.005 | 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".