Les inégalités dans l’évaluation des demandes d’aide médicale à mourir
Bibliographic record
Abstract
Ce mémoire explore de manière approfondie l'intégraQon de l'aide médicale à mourir (AMM) au Québec, fondé sur des entrevues semi-dirigées avec des médecins praQciens de l'AMM et des proches de demandeurs de ce soin. S'inscrivant dans les principes de l'interacQonnisme symbolique et analysé à travers l'analyse narraQve, ceTe étude examine la mise en praQque de l'AMM dans les hôpitaux québécois, son intégraQon dans la relaQon médecin-malades (RMM) et dans la perspecQve d'une « belle mort ». Les résultats révèlent que chaque médecin adopte une approche unique dans l'analyse des demandes d'AMM, influencée par ses expériences, ses valeurs et sa concepQon de la mort. Des praQques informelles favorisant les intérêts des paQents, ainsi qu'une sous-culture émergente chez les praQciens, sont observées parmi les prestataires de soins. L'analyse aborde également les facteurs facilitant le développement des RMM de qualité en fin de vie, soulignant l'importance de la congruence et du respect des aTentes entre les médecins et les malades. Bien que l'étude ne puisse déterminer l'influence du statut socioéconomique (SSE) des paQents sur l’accessibilité à l'AMM, elle met toutefois en évidence son influence sur la méthode d'évaluaQon du médecin prestataire du soin. Enfin, les analyses démontrent que l’AMM s’inscrit dans la définiQon d’une « bonne mort » selon les proches interviewés par la possibilité de contrôle sur sa fin de vie. En abordant ces thémaQques, ce mémoire éclaire sur la complexité de la mise en applicaQon de l’AMM, l’organisaQon médicale qui se trame entre les médecins ainsi que la perspecQve des proches et celle des malades sur ce soin et la fin de vie planifiée.
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 | 0.017 | 0.045 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".