The Canadian Chronic Disease Surveillance System: The Benefits and Challenges of a Distributed Model for National Disease Surveillance
Notice bibliographique
Résumé
ABSTRACT ObjectivesThe Public Health Agency of Canada (PHAC) established the Canadian Chronic Disease Surveillance System (CCDSS) in 2009 to facilitate national estimates of chronic disease prevalence, incidence, and health outcomes. The CCDSS uses population-based linked health administrative databases from all provinces/territories (P/Ts) and a distributed analytic protocol to produce standardized disease estimates. Our purpose is to describe the process, benefits, and challenges of implementing a distributed model for disease surveillance across thirteen jurisdictions with unique healthcare databases. ApproachThe CCDSS is founded on deterministic linkage of three administrative health databases in each Canadian P/T: health insurance registration files, physician billing claims, and hospital discharge abstracts. Disease case definitions are developed by expert Working Groups after literature reviews are completed and validation studies are undertaken. Feasibility studies are initiated in selected P/Ts to identify challenges when implementing the disease case definitions. Analytic code developed by PHAC is then distributed to all P/Ts. Data quality surveys are routinely conducted to identify database characteristics that may bias disease estimates over time or across P/Ts or affect implementation of the analytic code. The summary data produced in each P/T are approved by Scientific Committee and Technical Committee members and then submitted to PHAC for further analysis and reporting. ResultsNational surveillance or feasibility studies are currently ongoing for diabetes, hypertension, selected mental illnesses, chronic respiratory diseases, heart disease, neurological conditions, musculoskeletal conditions, and stroke. The advantages of the distributed analytic protocol are: (a) changes in methodology can be easily made, and (b) technical expertise to implement the methodology is not required in each P/T. Challenges in the use of the distributed analytic protocol are: (a) heterogeneity in healthcare databases across P/Ts and over time, (b) the requirement that each P/T use the minimum set of data elements common to all jurisdictions when producing disease estimates, and (c) balancing disclosure guidelines to ensure data confidentiality with comprehensive reporting. Additional challenges, which include incomplete data capture for some databases and poor measurement validity of disease diagnosis codes for some chronic conditions, must be continually addressed to ensure the scientific rigor of the CCDSS methodology. ConclusionsThe CCDSS distributed analytic protocol offers one model for national chronic disease surveillance that has been successfully implemented and sustained by PHAC and its P/T partners. Many lessons have been learned about national chronic disease surveillance involving jurisdictions that are heterogeneous with respect to healthcare databases, expertise, and population characteristics.
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 | 0,097 | 0,176 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,005 | 0,009 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».