MétaCan
Menu
Retour à la cohorte
Enregistrement W2605947039 · doi:10.23889/ijpds.v1i1.386

Novel Tools Supporting Knowledge Translation for Public Health Practice in British Columbia, Canada

2017· article· en· W2605947039 sur OpenAlexaffabout
Joanne Stares, Jenny Sutherland

Notice bibliographique

RevueInternational Journal for Population Data Science · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Risk Factors
Établissements canadiensMinistry of HealthPublic Health Agency of Canada
Organismes subventionnairesnon disponible
Mots-clésPublic health informaticsComputer scienceData accessPublic healthContext (archaeology)Data qualityAnalyticsHealth information exchangeData scienceHealth informaticsHealth careKnowledge managementMedicineHRHISHealth policyHealth informationBusinessService (business)DatabaseNursing

Résumé

récupéré en direct d'OpenAlex

ABSTRACT
 ObjectivesUnderlying the delivery of services by the universal Canadian health care system are a number of rich secondary administrative health data sets which contain information on persons who are registered for care and details on their contacts with the system. These datasets are powerful sources of information for investigation of non-notifiable diseases and as an adjunct to traditional communicable disease surveillance. However, there are gaps between public health practitioners, access to these data, and access to experts in the use of these secondary data. The data linkage requires in-depth knowledge of these data including usages, limitations and data quality issues and also the skills to extract data to support secondary usage. OLAP reports have been developed to support operation needs but not on advanced analytics reports for surveillance and cohort study. To fill these gaps, we developed a set of web-based modular, parameterized, extraction and reporting tools for the purpose of: 1) decreasing the time and resources necessary to fill general secondary data requests for public health audiences; 2) quickly providing information from descriptive analysis of secondary data to public health practitioners; 3) informing the development of data feeds for continued enhanced surveillance or further data access requests; 4) assisting in preliminary stages of epidemiological investigations of non-notifiable diseases; and, 5) facilitating access to information from secondary data for evidence-based decision making in public health.
 ApproachWe intend to present these tools by case study of their application to small area analysis of secondary data in the context of air quality concerns. Data sources include individuals registered for health care coverage in BC, hospital separations, physician consultations, chronic disease registries, and drugs dispensation. Data sets contain complete information from 1992. Data were extracted and analyzed to describe the occurrence of health service utilization for cardiovascular and respiratory morbidity. Analysis was undertaken for BC residents in areas identified by local public health as priorities for monitoring. Health outcomes were directly standardized by age and compared to provincial trends by use of the comparative morbidity figure.
 ResultsResults will include descriptive epidemiological analysis of secondary data relating to respiratory and cardiovascular morbidity in the context of air quality concerns, summary of next steps, as well as an assessment of tool performance.
 ConclusionsWhere adopted tools such as these can make information from secondary data more accessible to support public health practice, particularly in regions with low analytical or epidemiological capacity.

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)0,005
score de la tête « metaresearch » (Gemma)0,014
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Communication savante
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 enseignants0,864
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,014
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 savante0,0020,004
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,227
Tête enseignante GPT0,463
Écart entre enseignants0,236 · 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.

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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetCardiovascular Health and Risk FactorsTravaux en français237 207