A decade of data linkage in Western Australia: strategic design, applications and benefits of the WA data linkage system
Notice bibliographique
Résumé
OBJECTIVES: The report describes the strategic design, steps to full implementation and outcomes achieved by the Western Australian Data Linkage System (WADLS), instigated in 1995 to link up to 40 years of data from over 30 collections for an historical population of 3.7 million. Staged development has seen its expansion, initially from a linkage key to local health data sets, to encompass links to national and local health and welfare data sets, genealogical links and spatial references for mapping applications. APPLICATIONS: The WADLS has supported over 400 studies with over 250 journal publications and 35 graduate research degrees. Applications have occurred in health services utilisation and outcomes, aetiologic research, disease surveillance and needs analysis, and in methodologic research. BENEFITS: Longitudinal studies have become cheaper and more complete; deletion of duplicate records and correction of data artifacts have enhanced the quality of information assets; data linkage has conserved patient privacy; community machinery necessary for organised responses to health and social problems has been exercised; and the commercial return on research infrastructure investment has exceeded 1000%. Most importantly, there have been unbiased contributions to medical knowledge and identifiable advances in population health arising from the research.
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 | 0,237 | 0,218 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,011 | 0,011 |
| Science ouverte | 0,004 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».