L’allocation d’antiviraux dans un contexte de pandémie : vérification de critères auprès des professionnels de la santé pour le développement d’un cadre éthique
Bibliographic record
Abstract
Cette étude a pour objectif d’évaluer la stratégie d’utilisation de critères de base, d’un point de vue éthique, dans l’allocation d’une quantité limitée d’antiviraux pour une utilisation préventive, lors d’une pandémie. Il est entendu qu’une réserve publique pour la prévention n’est pas présentement en vue. Ainsi un des objectifs de cette recherche est de servir de guide aux personnes ressources en positions décisionnelles, à savoir si l’acquisition d’une telle réserve est justifiée, et dans l’affirmatif, à qui elle serait destinée. La perspective spécifique de deux groupes de professionnels de la santé œuvrant en première ligne est considérée. Le premier groupe est constitué de professionnels provenant des hôpitaux de la région de Toronto qui ont vécu l’expérience du SRAS en 2003. Le second groupe est composé de travailleurs en santé de la région de Montréal qui n’auront pas vécu cette crise sanitaire. Les deux groupes sont analysés ensemble sur leur discours verbal et sur leurs réponses à un questionnaire bâti afin d’évaluer quel poids les participants donnent aux critères proposés.
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 | 0.071 | 0.110 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| 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".