Immersion au cœur de l’invalidité : certificats médicaux et limitations fonctionnelles
Bibliographic record
Abstract
Les assureurs exigent des certificats médicaux pour déterminer l’admissibilité à des prestations d’invalidité. Pourtant, les pratiques des médecins de famille en contexte de certification d’une incapacité au travail pour troubles mentaux varient. Par ailleurs, les certificats médicaux sont souvent incomplets ou ambigus, particulièrement la section relative aux limitations fonctionnelles. La présente étude vise à déterminer s’il existe une variabilité entre les médecins de famille quant à l’évaluation diagnostique, à la recommandation de traitement, à l’évaluation de l’incapacité au travail d’un même patient et de la durée d’une incapacité au travail et à analyser le type d’interprétation qu’ils font de la notion de limitations fonctionnelles. Vingt-trois médecins de famille du Québec ont complété quatre vignettes pour lesquelles ils doivent déterminer le diagnostic, le traitement, la nécessité ou non d’un arrêt de travail, la raison et dans l’affirmative les limitations fonctionnelles. Des analyses descriptives sont effectuées. Les résultats montrent que la décision de certifier une incapacité au travail ne fait pas bon consensus pour la moitié des vignettes contrairement à la catégorie diagnostique. La notion de limitations fonctionnelles semble confondue avec celle de symptômes. Ces résultats pourront servir à évaluer les pratiques actuelles en matière de certification d’une incapacité au travail.
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 | 0.023 | 0.083 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 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".