Development of a Concept Dictionary to Standardize Definitions and Classifications While Working With a Common Repository of Linked Administrative Data
Notice bibliographique
Résumé
IntroductionSupporting standardized approaches to common tasks is an important component of quality research using linked administrative data. Standard concept definitions and classifications are vital for ensuring accuracy and consistency in definitions between projects, and improving efficiency and quality. Other leading organizations have published online standard definitions of concepts and classifications. Objectives and ApproachWe developed a comprehensive concept dictionary using a standardized definition template of key components including data sources, codes, scale or range of values, validation details, limitations, SAS code and formats, related concepts, and MeSH terms. A web-based application (built on the Microsoft SharePoint platform) was developed to offer the latest web content authoring capabilities, and advanced search mechanisms enabling the user to search concepts by MeSH terms and key words. It also allowed for navigating concepts through category navigation including clickable categories and sub-categories. Entries will be reviewed annually to ensure the content remains up-to-date. ResultsTo date, ten concepts, with accompanying codes, have been published on the concept dictionary with another ten currently undergoing editorial review. These concepts span a variety of topics such as injuries, mental health and addictions-related outpatient services, and annual physical exams. New concepts written by content experts and reviewed by an editorial committee will be added on an on-going basis; thirty concepts are currently under development. Conclusion/ImplicationsDevelopment of a concept dictionary provides standardized definitions, algorithms and codes to ensure consistency and quality of research and analysis across multiple projects. Future aims include expansion of the internal organizational site to an external site through collaboration with key stakeholders.
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 | 0,070 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,018 | 0,014 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,015 | 0,024 |
| Science ouverte | 0,006 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,013 |
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 ».