MétaCan
Menu
Retour à la cohorte
Enregistrement W2892008580 · doi:10.23889/ijpds.v3i4.947

Meeting the challenge of data linkage for special populations

2018· article· en· W2892008580 sur OpenAlexaff
Brent Hills

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueData Quality and Management
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLinkage (software)Record linkagePopulationChristian ministryMedical recordIdentifierUnique identifierMedicineData setDemographyComputer scienceStatisticsBiologyEnvironmental healthGeneticsSurgeryMathematicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

IntroductionA file’s overall linkage rate may hide significant bias in unlinked records. Newborns, for example, may represent a small percentage of a file but a large proportion of unlinked records. This creates challenges for researchers focused on the affected populations. Decreasing bias is a clear goal for data linkage science.
 Objectives and ApproachA standard spine-based linkage process with a typical set of identifiers was used to link perinatal records in British Columbia. This included multiple iterations and some manual linkage, stopping when there were only minor improvements. Despite high overall linkage rates, poor rates existed for babies who were stillborn or died near birth. Given research interests in stillbirth, there was a desire to use a creative approach to improve linkage for that sub-population. The solution was to expand the scope of the spine linkage to include birth and stillbirth records from other files, e.g. hospital discharge and Vital Statistics Registrations.
 ResultsOriginal linkage methods produce overall baby linkage rates of 98.1% but only 3.9% of records discharged to death/stillbirth were linked. Revised methods provide a small change in the overall rate to 99.4% but increase the discharge to death/stillbirth linkage rate to 90.3%. All numbers exclude terminations.
 Additions to our base representation of a linked entity enabled the association of records for babies either stillborn or never registered for health insurance coverage with the Ministry of Health. Additional variables addressed high rates of missing identifiers, while new linkage processing to Vital Statistics data addressed gaps within multiple newborn related datasets.
 Conclusion/ImplicationsThe complexity of adding BC Perinatal Data as a linked dataset to Population Data BC holdings was underappreciated. There are always adjustments in linkage approach across different data sets, but the linkage of babies with adverse outcomes required considerably more change, including moving beyond our usual spine linkage approach.

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)0,020
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0200,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,006
Science ouverte0,0140,003
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 Opus0,645
Tête enseignante GPT0,578
Écart entre enseignants0,067 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetData Quality and ManagementTravaux en français237 207