Routinely collected electronic health data and STI research: RECORD extension to the STROBE guidelines
Notice bibliographique
Résumé
Electronic medical records (EMRs) are increasingly being used by health services including those that test for and treat sexually transmitted infections (STIs).1–3 The implementation of EMRs opens up new opportunities for improving the quality, effectiveness and efficiency of sexual health services and brings with it the potential for enhanced research capacity.1–3 Information from routinely collected health data can and should be leveraged for the evaluation of clinical services to improve STI and HIV care and to measure the impact of interventions aimed at curbing STI. This information has already been captured and, if appropriately harnessed, constitutes a rich repository of data that can be used for research. Because information in EMRs has generally been gathered for patient management rather than to answer research questions, the use of such data for studies introduces potential limitations and biases. When examining treatment outcomes retrospectively for instance, observational studies will naturally fall short of rigorously conducted randomised trials. However, prospective trials can be prohibitively expensive and their results may not be generalisable to diverse real world settings and populations. In addition, observational research carries with it specific …
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 | 0,167 | 0,462 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,010 | 0,008 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,009 | 0,007 |
| Intégrité de la recherche | 0,025 | 0,038 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,010 |
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 ».