MétaCan
Menu
Retour à la cohorte
Enregistrement W2780416674 · doi:10.1177/0840470417733008

Lessons learned from the Canadian cancer registry experience

2017· article· en· W2780416674 sur OpenAlexaffabout
Maureen MacIntyre, Cathy MacKay

Notice bibliographique

RevueHealthcare Management Forum · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueGlobal Cancer Incidence and Screening
Établissements canadiensBC Cancer AgencyNova Scotia Health Authority
Organismes subventionnairesnon disponible
Mots-clésRealmHealth careData collectionCancer registryQuality (philosophy)Set (abstract data type)Data qualityHealthcare deliveryHealthcare systemPopulationData scienceMedicineKnowledge managementNursingComputer scienceBusinessPolitical scienceEnvironmental healthMarketingSociology

Résumé

récupéré en direct d'OpenAlex

Health leaders and caregivers are focused on evidence-based data to drive care delivery and practice. Ensuring the health system is functioning effectively and efficiently and that patient outcomes are reaching expected targets are topics that permeate conversations at the local, provincial, and national levels. However, as many leaders have come to understand in recent years, healthcare data collection and producing meaningful, high-quality metrics is a complex set of tasks, requiring its own level of attention and dedicated resources. In the healthcare data realm, there are opportunities to learn from experience. One of these opportunities is the population-based cancer registry, which is one of the oldest examples of standardized data collection in the Canadian health system.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,907
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
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 Opus0,279
Tête enseignante GPT0,454
Écart entre enseignants0,175 · 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

Citations5
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare Management ForumMême sujetGlobal Cancer Incidence and ScreeningTravaux en français237 207