Simulation du flux de patients en clinique externe
Bibliographic record
Abstract
REMERCIEMENTSCe mémoire est le fruit d'un travail acharné qui n'aurait pu être possible sans l'aide de personnes clés qui m'ont soutenu durant les dernières années.Je désire leur adresser mes plus sincères remerciements.Tout d'abord, merci à Nadia Lahrichi, ma directrice de recherche, qui a su me conseiller et me guider à travers toutes les épreuves de mon parcours.Son expertise dans le milieu de la santé, ses nombreuses opportunités de projets ainsi que tout le soutien offert m'ont permis de mener à terme ce projet d'envergure.Merci à Louis-Martin Rousseau, mon codirecteur, qui m'a initialement pris sous son aile lors de mon arrivée aux études supérieures.Dès le départ, j'ai pu être inclus dans une équipe de recherche remarquable qui collaborait avec le Centre Intégré de cancérologie de Laval.Son expérience de recherche fût très appréciée pour m'aider à prendre la bonne direction dans mes travaux.Merci à la Dre Marie-Andrée Fortin et toute l'équipe du Centre Intégré de cancérologie de Laval qui m'ont permis de bien comprendre les problématiques de la clinique et qui m'ont fourni les outils et leur temps précieux dans le but de m'aider à exécuter mes travaux.Merci à toute l'équipe du département de gynécologie et obstétrique du Centre hospitalier Universitaire Sainte-Justine pour tout le temps qui a été consacré à mon projet.Remerciement spécial à Christian Piché pour tout le temps consacré à la coordination du projet et à Johanne Martel qui a su aller chercher la participation de tous les médecins de l'unité lors des semaines de collecte de données.Finalement, je tiens à remercier ma famille, mes amis et surtout ma femme, Julie Lapointe, pour son écoute, son support moral, ses corrections ainsi que ses nombreux encouragements pendant ces années.
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 | 0.003 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.032 | 0.004 |
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".