Impact des télésoins sur la santé des femmes et de leurs nouveau-nés
Bibliographic record
Abstract
L’objectif de ce mémoire est de mesurer l’effet marginal du programme de télésoins à domicile sur les indicateurs de santé des femmes enceintes atteintes de diabète gestationnel et de leurs nouveau-nés. La présence de biais de sélection dans l’admission au programme de télésoins nous donne l’occasion de créer un groupe contrôle synthétique qui prend en compte ces biais. Nous utilisons plusieurs méthodes d’apprentissage automatique pour trouver un groupe comparable aux patientes qui ont été admises en télésoins et qui ont accouché entre le 1er avril 2016 et le 31 mars 2017 au Centre hospitalier de l’Université de Montréal. Les résultats obtenus démontrent que le programme de télésoins à domicile diminue la probabilité de naître de faible poids de 7 points de pourcentage. De plus, nous estimons une économie de 50 157,25 $ lorsque la totalité des patientes dans les groupes contrôle et traitement adhère au programme pour l’année fiscale 2016-2017. Cette étude recommande un investissement plus important dans les programmes de télésoins pour la trajectoire de grossesse des femmes atteintes de diabète gestationnel. Cette suggestion ne devient que plus pertinente en présence de la COVID-19 qui a provoqué une augmentation de l’utilisation du programme de télésoins pour les patientes en trajectoire de grossesse au Québec.
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 | 0.005 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".