MétaCan
Menu
Retour à la cohorte
Enregistrement W2144589604 · doi:10.5737/1181912x144224227

Mapping the journey of cancer patients through the health care system. Part 2: Methodological approaches and basic findings

2004· article· en· W2144589604 sur OpenAlexaffvenueabout
Jeff A. Sloan, Shannon D. Scott, Anne Nemecek, Paul Blood, Cheryl Trylinski, Heather Whittaker, Samy El Sayed, Jennifer Clinch, Kong Khoo

Notice bibliographique

RevueCanadian Oncology Nursing Journal · 2004
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésChartConstruct (python library)Health careCompleteness (order theory)Event (particle physics)Computer scienceMedicineData scienceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

This is the second in a series of articles from a line of research whose intent was to construct a complete history of interactions with the health care system. This paper provides details of the methods developed to collect and collate the scattered information regarding the event history (trajectory) that a cancer patient experiences in traveling through the Manitoba health care system from one year prior to diagnosis through to two years post-diagnosis. Survival data were obtained through 1994. Basic population data obtained from this work are also presented, including survival information through to four years post-diagnosis. Issues regarding standardized data recording and detail level of clinical events in the chart record are discussed. This part of the research demonstrates that diverse data sources in the health care system can be linked with a high degree of accuracy and completeness of data.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,339
Tête enseignante GPT0,422
Écart entre enseignants0,083 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations4
Publié2004
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Oncology Nursing JournalMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207