MétaCan
Menu
Retour à la cohorte
Enregistrement W2764390211 · doi:10.12927/hcq.2016.24617

ICES Report: Increasing Access to Health Administrative Data with ICES Data & Analytic Services

2016· article· en· W2764390211 sur OpenAlexfundaboutno aff
Lisa Ishiguro, Refik Saskin, Marian J. Vermeulen, Erika Yates, Nadia Gunraj, J. Charles Victor

Notice bibliographique

RevueHealthcare Quarterly · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueClinical practice guidelines implementation
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchGovernment of OntarioOntario Institute for Cancer ResearchCancer Care Ontario
Mots-clésGovernment (linguistics)BusinessData accessPublic relationsHealth careBest practiceResearch dataData sciencePolitical scienceComputer scienceData curation

Résumé

récupéré en direct d'OpenAlex

The Institute for Clinical Evaluative Sciences (ICES) is one of only a few organizations in Ontario permitted to access, link and analyze health administrative data for the purpose of generating evidence to inform decisions in policy and practice. Although ICES is a leading research institute, its access to the data has historically been restricted to scientists with an ICES affiliation. This requirement, designed to meet ICES' data privacy and security obligations, created barriers with respect to the widespread use of Ontario's data assets. In 2014, as part of the government's commitment to the Strategy for Patient-Oriented Research, ICES launched the Data & Analytic Services platform, which is aimed at increasing access to data and analytic services to investigators external to ICES. In making the data widely available to the broader research community, this initiative engages investigators involved in front-line care, stimulates new avenues of research and fosters collaboration that was previously challenging or unfeasible.

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)0,115
score de la tête « metaresearch » (Gemma)0,179
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,712
Score d'incertitude au seuil0,608

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1150,179
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0030,004
Communication savante0,0090,005
Science ouverte0,0050,009
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0170,006

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 Opus0,513
Tête enseignante GPT0,590
Écart entre enseignants0,076 · 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'étudeSans objet
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

Citations14
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetClinical practice guidelines implementationTravaux en français237 207