MétaCan
Menu
Retour à la cohorte
Enregistrement W2067429276 · doi:10.5430/jha.v3n5p55

Building a high quality medical data architecture for multiple uses in an integrated health care environment

2014· article· en· W2067429276 sur OpenAlexvenueno aff
Frank Boterenbrood, Irene Krediet, William Goossen

Notice bibliographique

RevueJournal of Hospital Administration · 2014
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceStandardizationData warehouseData qualityProvisioningQuality (philosophy)Health careData exchangeSQLData scienceEngineering managementDatabaseEngineeringOperations managementOperating system

Résumé

récupéré en direct d'OpenAlex

Objective: The aim was to create a reliable information provisioning system in healthcare for both care and research processes, based on existing data standards and standardized electronic messages. The research question is: How can a Clinical Data Ware House (CDWH) be developed for standardized basic patient data, generic nursing data and data about oncology nursing, allowing management of Electronic Health Record data, electronic data exchange and data analytics? Materials and methods: The main instrument used was the Detailed Clinical Model (DCM) data standardization approach. Further, data communication utilized HealthLevel7v3 (HL7v3) messages, transported by Mirth Connect. In an incremental, design-oriented research project, CDWH-prototypes were constructed using Enterprise Architect, a HL7v3 generator plug-in, SQL Server technology and PostgreSQL-based CDWH-technology. Results: The project resulted in 16 existing DCMs selected and 6 new DCMs defined. From those DCMs, a HL7v3 message structure was generated and a CDWH created. Implementing specialized Data Marts (DM) a connection between the CDWH and one Electronic Health Record system was built. Discussion: Detailed Clinical Models improve data quality, yet building them consumes time and resources. Some required data codes could not be identified in time and dummy codes were used instead. The existence of unstructured medical data in legacy systems may proof to be an obstacle in the future. Conclusion: The project shows that using Detailed Clinical Models as the sole source for system development leads to a sound design for a CDWH and HL7v3 messages, supporting a standards based health information system, suitable for multiple uses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0060,008
Science ouverte0,0030,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,075
Tête enseignante GPT0,473
Écart entre enseignants0,397 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hospital AdministrationMême sujetElectronic Health Records SystemsTravaux en français237 207