The Canadian Chronic Disease Surveillance System: A model for collaborative surveillance
Notice bibliographique
Résumé
Chronic diseases have a major impact on populations and healthcare systems worldwide. Administrative health data are an ideal resource for chronic disease surveillance because they are population-based and routinely collected. For multi-jurisdictional surveillance, a distributed model is advantageous because it does not require individual-level data to be shared across jurisdictional boundaries. Our objective is to describe the process, structure, benefits, and challenges of a distributed model for chronic disease surveillance across all Canadian provinces and territories (P/Ts) using linked administrative data. The Public Health Agency of Canada (PHAC) established the Canadian Chronic Disease Surveillance System (CCDSS) in 2009 to facilitate standardized, national estimates of chronic disease prevalence, incidence, and outcomes. The CCDSS primarily relies on linked health insurance registration files, physician billing claims, and hospital discharge abstracts. Standardized case definitions and common analytic protocols are applied to the data for each P/T; aggregate data are shared with PHAC and summarized for reports and open access data initiatives. Advantages of this distributed model include: it uses the rich data resources available in all P/Ts; it supports chronic disease surveillance capacity building in all P/Ts; and changes in surveillance methodology can be easily developed by PHAC and implemented by the P/Ts. However, there are challenges: heterogeneity in administrative databases across jurisdictions and changes in data quality over time threaten the production of standardized disease estimates; a limited set of databases are common to all P/Ts, which hinders potential CCDSS expansion; and there is a need to balance comprehensive reporting with P/T disclosure requirements to protect privacy. The CCDSS distributed model for chronic disease surveillance has been successfully implemented and sustained by PHAC and its P/T partners. Many lessons have been learned about national surveillance involving jurisdictions that are heterogeneous with respect to healthcare databases, expertise and analytical capacity, population characteristics, and priorities.
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 | 0,026 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,008 | 0,015 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».