Common Data Elements for Concussion in Tertiary Care: Phase One in Ontario
Notice bibliographique
Résumé
BACKGROUND: Standardized data collection for traumatic brain injury (TBI) (including concussion) using common data elements (CDEs) has strengthened clinical care and research capacity in the United States and Europe. Currently, Ontario healthcare providers do not collect uniform data on adult patients diagnosed with concussion. OBJECTIVE: The Ontario Concussion Care Strategy (OCCS) is a collaborative network of multidisciplinary healthcare providers, brain injury advocacy groups, patient representatives, and researchers with a shared vision to improve concussion care across the province, starting with the collection of standardized data. METHODS: The International Framework of Functioning Disability and Health was selected as the conceptual framework to inform the selection of CDEs. The CDEs recommended by the OCCS were identified using key literature, including the National Institute of Neurological Disorders and Stroke-Zurich Consensus Statements for concussion in sport and the Ontario Neurotrauma Foundation Concussion/mTBI clinical guidelines. RESULTS: The OCCS has recommended and piloted CDEs for Ontario that are readily available at no cost, clinically relevant, patient friendly, easy to interpret, and recognized by the international scientific community. CONCLUSIONS: The implementation of CDEs can help to shift Ontario toward internationally recognized standard data collection, and in so doing yield a more comprehensive evidence-based approach to care while also supporting rigorous research.
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 | 0,039 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,008 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».