Multi-province epidemiological research using administrative data in Canada: Challenges and opportunities
Notice bibliographique
Résumé
IntroductionCanada has a publicly-funded universal health care system with information systems managed by 13 provinces and territories. This context creates inconsistencies in data collection and challenges for epidemiological research conducted at the national or multi-jurisdictional level. Objectives and ApproachUsing a recent five-province research project as a case study (BC, AB, MB, ON, QC), we will discuss the strengths and challenges of using Canadian administrative health data in a multi-jurisdictional context. Our goal is to contribute to a better understanding of these challenges and the development of a more integrated and harmonized approach to conducting multi-jurisdictional research. ResultsMulti-jurisdictional data work is feasible but requires detailed coordination and extensive cooperation from all involved. There were noteable variations across provinces in this multi-province study. For example, time required to access the data varied greatly across the five provinces (from 4 to 9 months), and thus there were sequencing challenges, with some provinces being well into the analysis stage while others were still waiting for data. Access to human resources varied across provinces and in some cases led to delays in data abstraction. Cost of data (or analytic support) also varied across provinces, from $12,000 – $15,000. Critical to the success of the project was a coordinating group with expertise in both administrative health data and cross-provincial project coordination. Conclusion/ImplicationsThis project demonstrated the value of comparable data infrastructure with equitable access policies. Many of the disadvantages to multi-province projects using health care administrative data, such as potential coding errors and inconsistencies, can be managed by developing national standards and protocols, and tools that are shared for data cleaning and validation.
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 | 0,105 | 0,156 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,009 | 0,026 |
| Études des sciences et des technologies | 0,014 | 0,006 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,009 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».