Évaluation de l’implantation de l’hôpital à domicile au Centre hospitalier de l’Université de Montréal (CHUM) : apports et limites du modèle
Bibliographic record
Abstract
Contexte : Le système de santé québécois fait face à de nombreux défis d'accès aux soins, notamment en raison de la surcharge des établissements hospitaliers et du taux d'occupation des lits largement dépassés. Le Centre hospitalier de l'Université de Montréal (CHUM), en tant que centre tertiaire et quaternaire, est particulièrement touché par une augmentation des visites à l'urgence, une demande croissante d'hospitalisation et une pression financière accrue. Dans ce contexte, le gouvernement du Québec a initié des projets d'innovation visant à proposer des alternatives à l'hospitalisation traditionnelle, notamment à travers le déploiement d'hôpitaux à domicile dans certains centres hospitaliers dont le CHUM. Ce modèle d'hospitalisation à domicile repose sur un suivi en continu, rendu possible grâce à la télésurveillance et à la mobilisation des proches aidants. Objectifs : L’objectif de cette étude est d’évaluer le modèle d’HAD développé au CHUM en documentant les facteurs facilitants et les obstacles rencontrés depuis sa mise en œuvre. Méthodes : Une étude de cas à devis mixte a été réalisée de mars 2025 à mai 2025. Elle repose sur des entrevues semi-dirigées menées auprès des membres du comité d’implantation de l’HAD (n=10), ainsi que sur un questionnaire d’expérience complété par 5 usagers et 2 proches aidants ayant bénéficiés d’une hospitalisation à domicile. Une analyse de contenu des données qualitatives, et une analyse statistique descriptive des résultats du questionnaire, ont été mobilisés afin de documenter les expériences, la satisfaction et les perceptions de la qualité des soins. Résultats : L’étude met en évidence plusieurs facteurs ayant facilité la mise en œuvre du modèle d’HAD au CHUM, tels que le soutien institutionnel, la qualité du pilotage de projet, la collaboration interprofessionnelle et l’implication de patients partenaires. Elle souligne également l’importance d’une stratégie d’adaptation continue, fondée sur une approche participative et une logique d’apprentissage organisationnel. Toutefois, l’étude révèle plusieurs limites dans la mise en place du modèle, liées au manque de leadership médical, à la surcharge de travail, à l’absence d’outils technologiques adaptés, à la nature des services offerts et à la fragmentation régionale du déploiement. Par ailleurs, l’analyse de l’expérience des usagers et des proches révèle un haut niveau de satisfaction, tant en ce qui concerne la qualité des soins et la communication avec les professionnels que l’amélioration perçue de leur qualité de vie. Toutefois, les proches aidants expriment des besoins de soutien accrus pour pouvoir mieux accompagnés leur proche à domicile. Conclusion : L'implantation de l'HAD au CHUM met en évidence la complexité de la transformation organisationnelle dans un centre hospitalier tertiaire et quaternaire. Le succès de cette transition repose sur une gouvernance médicale reconnue, une stratégie d'adaptation continue et une implication active des acteurs cliniques et des usagers tout au long de l’implantation. Ces résultats offrent des pistes pour renforcer la pérennité et la diffusion du modèle de l’HAD dans d'autres trajectoires cliniques au CHUM et dans d’autres établissements du réseau de la santé et des services sociaux 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 | 0.030 | 0.054 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.012 | 0.004 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| 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".