Symposium conjoint de l’ACIO/CANO et de la Société canadienne du cancer (SCC) : Promouvoir l’équité en santé pour les populations mal desservies et prioritaires
Bibliographic record
Abstract
Il est impératif de promouvoir l’équité en santé pour réduire les inégalités sociales et sanitaires qui affectent actuellement les personnes à risque ou atteintes de cancer. Le groupe de travail national de l’ACIO/CANO sur les populations mal desservies et prioritaires et la Société canadienne du cancer (SCC) se sont associés pour créer un lieu d’échanges lors du symposium conjoint organisé dans le cadre de la 35(e) conférence annuelle. Le symposium a débuté par une présentation des résultats d’un projet national mené par la SCC, qui visait à faire progresser l’équité au sein de dix communautés ou groupes mal desservis. L’objectif du projet était de comprendre les lacunes, les obstacles et les défis auxquels sont confrontées les communautés mal desservies pour accéder à de l’information, à du soutien et à des soins. Le rapport qui en découle est fondamental pour guider les efforts et les stratégies de mobilisation des principaux groupes mal desservis au Canada. Pour mieux situer les objectifs de promotion de l’équité en santé, les infirmières en oncologie ont partagé leurs expériences de mobilisation communautaire, de partenariats et d’outils utilisés dans la pratique. Le présent document offre une synthèse du rapport de la SCC et présente l’expérience des membres du panel concernant la façon dont l’équité en santé a été mise de l’avant dans leurs communautés et milieux de 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 | 0.013 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.010 | 0.003 |
| Scholarly communication | 0.010 | 0.003 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.033 | 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".