Bibliographic record
Abstract
Résumé Quel est la perception et la réponse des médecins aux patients démunis? LITTERATURE : Les personnes démunies ont beaucoup de problèmes de santé et un accès relativement faible aux services médicaux et dentaires. Les attitudes, perceptions et idées des dentistes vers les patients de faible revenu sont des déterminants significatifs dans l'accès aux soins. Cependant, nous avons peu d'information par rapport aux médecins. OBJECTIFS : L'objectif de cette étude est ainsi de déterminer les expériences des médecins avec les patients de faible revenu et d'identifier en particulier les difficultés rencontrées quand ils traitent des patients démunis. Nous voulions aussi identifier les stratégies et les propositions suggérées par les médecins pour améliorer les services de santé pour les personnes pauvres. METHODE : L'étude a consisté en 7 entretiens avec des médecins pratiquant au Québec utilisant la méthodologie qualitative. Les entretiens ont été enregistrés sur des bandes sonores et transcrits. L'analyse a consisté en une retranscription des données, un codage de l'information et une interprétation des résultats. RESULTATS : Trois types de médecins ont été identifiés : Le médecin empathique regarde au-delà du problème physique du patient pauvre et essaie de déterminer des stratégies pour l'aider sur les plans social, psychosocial, financier et médical. Le médecin qui blâme, au contraire, a tendance à blâmer les patients pauvres pour leur paresse et leur abus du système. Son attitude crée une barrière de communication et de confiance avec les patients et complique ainsi l'accès au traitement. Enfin, le médecin in
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 | 0.003 | 0.033 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".