MétaCan
Menu
Retour à la cohorte
Enregistrement W2290091881

Physician surveillance of influenza: collaboration between primary care and public health.

2014· article· en· W2290091881 sur OpenAlexaff
David Price, David W. Chan, Nancy Greaves

Notice bibliographique

RevuePubMed · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensMcMaster UniversityHamilton Health Sciences
Organismes subventionnairesnon disponible
Mots-clésWorkflowMedicinePrimary carePublic healthElectronic medical recordMedical recordFamily medicineHealth careHealth information exchangeMedical emergencyNursingComputer scienceHealth informationDatabase
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

PROBLEM ADDRESSED: Influenza-like illness (ILI) is a global and national concern. The surveillance of ILI requires collaborative efforts from many diverse settings, including primary care clinics. OBJECTIVE OF PROGRAM: To develop a sustainable reporting mechanism that enables primary care practices to provide ILI surveillance information to public health (PH) and addresses the needs of primary care practices and PH. PROGRAM DESCRIPTION: An automated, electronic ILI reporting program that collects information on ILI activity directly from family physicians; the program is integrated with the practice's electronic medical record (EMR) system and therefore does not require physician initiation or disrupt physician workflow. Surveillance information is collected from a random sample of patient encounters using an automated pop-up screen that appears when exiting the patient's EMR. Weekly summary reports are transmitted electronically to PH. CONCLUSION: The EMR-integrated physician ILI reporting program is a simple and inexpensive way for family physicians to provide PH with important real-time, community-level disease surveillance information that is both complete and accurate. The program has been used in Hamilton, Ont, since 2004, which clearly demonstrates that it is a feasible and sustainable program in practice.

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)0,017
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,265
Écart entre enseignants0,239 · 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'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

Citations5
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetData-Driven Disease SurveillanceTravaux en français237 207