Strengths and Limitations of Health and Disability Support Administrative Databases for Population‐Based Health Research in Intellectual and Developmental Disabilities
Notice bibliographique
Résumé
Abstract Individuals with intellectual and developmental disabilities ( IDD ) experience high rates of social and health disadvantage. Planning effective services that meet the needs of this vulnerable population requires good population‐based data that are collected on a routine, ongoing basis. However, in most jurisdictions, none of the commonly available data (e.g., health or disability benefits administrative data) completely captures the IDD population. To more accurately identify persons with IDD in a population, one solution is to link data across multiple sources. To do this, the authors report on an effort to create a linked database to identify a cohort of adults, aged 18–64, with IDD in Ontario and use these data to examine how the linkage can help study health and healthcare access. The linked dataset was created using four health and one disability income support databases. Standardized differences were used to compare sociodemographic and clinical characteristics of the IDD cohorts identified through the health, disability income support, and linked datasets. Indirect estimation was used to evaluate which IDD subgroups might be over‐ or underestimated if only a single source of data was available. The linked database identified a cohort of 66,484 adults with IDD (0.78% prevalence). The health and disability income support data each uniquely identified approximately a third of the cohort. Health data were more likely to identify younger adults (18–24 years), those with psychiatric illnesses, and hospitalized individuals. The disability income support data were more likely to identify adults aged 35–54 and those living in lower income neighborhoods. By linking multiple databases, the authors were able to identify a much larger cohort of individuals with IDD than if they had used a single data source. It also enabled the creation of a more accurate sociodemographic and clinical profile of this population as each source captured different segments of it.
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 | 0,150 | 0,385 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,012 | 0,031 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,009 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».