Challenges and Potential Opportunities of Mobile Phone Call Detail Records in Health Research: Review
Notice bibliographique
Résumé
BACKGROUND: Call detail records (CDRs) are collected by mobile network operators in the course of providing their service. CDRs are increasingly being used in research along with other forms of big data and represent an emerging data type with potential for public good. Many jurisdictions have infrastructures for health data research that could benefit from the integration of CDRs with health data. OBJECTIVE: The objective of this study was to review how CDRs have been used in health research and to identify challenges and potential opportunities for their wider use in conjunction with health data. METHODS: A literature review was conducted using structured search terms making use of major search engines. Initially, 4066 items were identified. Following screening, 46 full text articles were included in the qualitative synthesis. Information extracted included research topic area, population of study, datasets used, information governance and ethical considerations, study findings, and data limitations. RESULTS: The majority of published studies were focused on low-income and middle-income countries. Making use of the location element in CDRs, studies often modeled the transmission of infectious diseases or estimated population movement following natural disasters with a view to implementing interventions. CDRs were used in anonymized or aggregated form, and the process of gaining regulatory approvals varied with data provider and by jurisdiction. None included public views on the use of CDRs in health research. CONCLUSIONS: Despite various challenges and limitations, anonymized mobile phone CDRs have been used successfully in health research. The use of aggregated data is a safeguard but also a further limitation. Greater opportunities could be gained if validated anonymized CDRs were integrated with routine health records at an individual level, provided that permissions and safeguards could be put in place. Further work is needed, including gaining public views, to develop an ethically founded framework for the use of CDRs in health 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».