Relevailles et collaborations intersectorielles : synthèse de l'atelier stratégique de mobilisation des connaissances
Bibliographic record
Abstract
Dans une optique de responsabilité populationnelle, les organismes communautaires Famille (OCF) sont appelés à travailler davantage en partenariat avec les établissements de santé et de services sociaux (ÉSSS). Certains OCF offrent un service de relevailles qui consiste à offrir un soutien postnatal à domicile qui s’adapte aux besoins de chaque famille, afin d’écouter, d’encourager, d’informer et de soutenir l’organisation du quotidien. L’utilisation et les impacts de ce service demeurent largement méconnus, de même que les collaborations entourant sa mise en œuvre à même les réseaux locaux de services des ÉSSS. Entre 2013 et 2016, nous avons mené un projet de recherche collaboratif qui visait à évaluer les services de relevailles offerts par quatre OCF et les collaborations intersectorielles qu’ils partagent avec les ÉSSS en vue de consolider les services de santé et de soutien en période postnatale. Afin de présenter les résultats issus de cette étude et d’en maximiser les retombées, différents acteurs clés ont été conviés à participer à l’atelier stratégique de mobilisation des connaissances « Relevailles et collaborations intersectorielles », tenu le 4 mai 2016 à l’Université Laval. Le but de cet atelier était d’encourager les acteurs clés à se positionner par rapport à des pistes d’action visant la consolidation des services de soutien postnatal et les collaborations intersectorielles entourant l’offre de relevailles. À partir d’une présentation des principaux résultats de l’étude et de quelques pistes de consolidation préalablement sélectionnées par le Comité de suivi formé de différents utilisateurs de connaissances, les participants étaient appelés à se prononcer sur les pistes d’action à prioriser, en discutant des stratégies à préconiser pour en permettre la mise en œuvre.
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 | 0.031 | 0.043 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.008 | 0.010 |
| Science and technology studies | 0.010 | 0.012 |
| Scholarly communication | 0.024 | 0.021 |
| Open science | 0.003 | 0.015 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.020 | 0.002 |
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".