Quand les formulaires ne soignent pas : ethnographie des pratiques d’écriture médico-administratives des soignant·es dans le régime public d’indemnisation des lésions professionnelles
Bibliographic record
Abstract
Ce mémoire explore l’interpénétration entre pratiques de soin et pratiques d’écritures médico-administratives chez le personnel soignant œuvrant auprès des victimes de lésions professionnelles. Au Québec, l’accès aux soins suite aux accidents de travail et maladies professionnelles est garanti par la loi et administré par la Commission des normes, de l'équité, de la santé et de la sécurité du travail (CNESST). Dans ce régime public d’indemnisation, le travail des professionnel·les de la santé – médecins généralistes, médecins spécialistes, physiothérapeutes, ergothérapeutes, ou psychologues – se déploie dans un espace décisionnel complexe, marqué par la prolifération de formulaires bureaucratiques. Ce mémoire s’intéresse à l’impact de ces démarches administratives sur le soin des travailleur·euses accidenté·es ou malades, ainsi qu’aux pratiques quotidiennes des soignant·es comme lieux d’expression et de négociation de valeurs professionnelles plurielles, pourtant unies par un contexte médico-administratif défini. En adoptant une démarche qualitative et inductive, l’objectif est de documenter et situer les sensibilités éthiques du personnel de soin face aux contraintes structurelles de leurs emplois. Les données collectées sont issues d’un terrain ethnographique multisite, reposant sur des entretiens semi-dirigés et l’analyse de formulaires de la CNESST. Les résultats révèlent que les documents médico-administratifs, bien que perçus comme des outils neutres, imposent des rôles et temporalités aux soignant·es, souvent en contradiction avec leur propre conception du bon soin. Ces formulaires apparaissent comme des outils ambigus, révélateurs de tensions entre exigences administratives et réalités de la pratique clinique, opposant attentes de la CNESST et attentes des patient·es. Les résultats invitent une réflexion critique concernant les conséquences d’un soin contraint par des logiques financières et managériales. Ce mémoire contribue à une meilleure compréhension du régime public québécois d’indemnisation des lésions professionnelles et des conséquences d’une managérialisation des soins de santé.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.013 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 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".