Multi-province epidemiological research using linked administrative data: a case study from Canada.
Notice bibliographique
Résumé
BACKGROUND: Canada has a publicly-funded universal healthcare system with information systems managed by 13 different provinces and territories. This context creates inconsistencies in data collection and challenges for research or surveillance conducted at the national or multi-jurisdictional level. OBJECTIVE: Using a recent Canadian research project as a case study, we document the strengths and challenges of using administrative health data in a multi-jurisdictional context. We discuss the implications of using different health information systems and the solutions we adopted to deal with variations. Our goal is to contribute to better understanding of these challenges and the development of a more integrated and harmonized approach to conducting multi-jurisdictional research using administrative data. CONTEXT AND MODEL: Using data from five separate provincial healthcare data systems, we sought to create and report on a set of provincially-comparable mental health and addiction services performance indicators. In this paper, we document the research process, challenges, and solutions. Finally, we conclude by making recommendations for investment in national infrastructure that could help cut costs, broaden scope, and increase use of administrative health data that exists in Canada. CONCLUSIONS: Canada has an incredible wealth of administrative data that resides in 13 territorial and provincial government systems. Navigating access and improving comparability across these systems has been an ongoing challenge for the past 20 years, but progress is being made. We believe that with some investment, a more harmonized and integrated information network could be developed that supports a broad range of surveillance and research activities with strong policy and program implications.
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 | 0,014 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,018 |
| Études des sciences et des technologies | 0,016 | 0,003 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».