The Canadian Geospatial Data Infrastructure and health mapping
Notice bibliographique
Résumé
A cause de l’épidémie récente de SARS et du danger de grippe aviaire pandémique, la capacité de renforcer la surveillance et les contrôles médicaux est un besoin croissant parmi les gouvernements. Le développement de l’Infrastructure de Données Géospatiales Canadienne (IDGC) a montré un grand potentiel dans de nombreuses applications comme la gestion des urgences, la santé publique, les secours aux victimes de désastres, l’évaluation des impacts environnementaux, les transports et les systèmes d’information sur le territoire. Dans cet article, notre but est d’identifier l’utilisabilité de l’IDGC comme support de la cartographie médicale sur le Web et de l’utiliser à cette fin. Pour identifier l’utilisabilité de l’IDGC pour la cartographie médicale, nous avons employé neuf métriques d’utilisabilité. Nous avons aussi conçu une architecture logicielle (basée sur l’IDGC) de support des fonctions de base pour la cartographie médicale, et implanté une simulation de maladies infectieuses pour le Nouveau-Brunswick et le Maine. Dans le cadre de l’IDGC, cette recherche a permis la visualisation, l’intégration et le partage des données de santé transfrontalières ainsi que l’exploration des tendances spatio-temporelles de l’épidémie d’une maladie infectieuse grâce à des cartes thématiques. Une évaluation de la matrice d’utilisabilité des composants de l’IDGC (données cadre nationales, politiques de données communes, standards techniques, et technologies de développement) basée sur l’expérience des développeurs et les réactions des utilisateurs, a été explorée en utilisant cette application de cartographie médicale transfrontalière. L’utilisation de l’IDGC dans les applications médicales a un grand potentiel de support de l’intégration et du partage effectifs et sécuritaires des données médicales. L’enrichissement de l’IDGC rendrait encore plus facile le partage des données et améliorerait l’efficacité et l’efficience de la prise de décision.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,017 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».