MétaCan
Menu
Retour à la cohorte
Enregistrement W2935199830 · doi:10.1016/j.ijmedinf.2019.04.003

Patient perspectives on the linkage of health data for research: Insights from an online patient community questionnaire

2019· article· en· W2935199830 sur OpenAlexaff
Emily C. O’Brien, Ana María Rodríguez, Hye‐Chung Kum, Laura E. Schanberg, Marcy Fitz-Randolph, Sean M. O’Brien, Soko Setoguchi

Notice bibliographique

RevueInternational Journal of Medical Informatics · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensMcGill University
Organismes subventionnairesPatient-Centered Outcomes Research Institute
Mots-clésLinkage (software)PsychologyKnowledge managementMedicineMedical educationData scienceComputer science

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To examine the patient perspective on the risks and benefits of linking existing data sources for research. MATERIALS AND METHODS: Between December 2015 and February 2016, we fielded a questionnaire in PatientsLikeMe, an online patient community representing over 2500 health conditions. The questionnaire was developed using subject matter expertise and patient feedback from a concept elicitation phase (N = 57 patients). The final questionnaire consisted of 37 items. RESULTS: Of n = 5741 who opened the email invitation, n = 3516 respondents completed the questionnaire (61.2%). Of these, 73.8% were women, 86.4% were Caucasian, 14.5% were 65 or older, and 44.9% had completed college or post-graduate education. Questionnaire respondents indicated that the most important benefits of sharing data were "helping my doctor make better decisions about my health" (94%) and "helping make new therapies available faster" (94%). The most important data sharing risk identified was health data being "stolen by hackers" (87%). Of 693 patients who were not comfortable with researchers accessing their de-identified data, most reported that their comfort levels would increase if they were able to learn how their data was protected (84%). In general, responders felt more comfortable when unique identifiers such as social security number (90%) and insurance ID (82%) were removed from the data for linkage and research use. DISCUSSION: The majority of patients in a US-based online community are comfortable with researchers accessing their de-identified data for research purposes. CONCLUSIONS: Developing methods to link databases minimizing the exposure of unique identifiers may improve patient comfort levels with linking data for research purposes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,102

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,053
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,360
Tête enseignante GPT0,561
Écart entre enseignants0,200 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

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

En bref

Citations52
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Medical InformaticsMême sujetElectronic Health Records SystemsTravaux en français237 207