Utilisation et enjeux des données clinico-administratives dans le domaine de la santé mentale et de la dépendance
Notice bibliographique
Résumé
Clinical-administrative databanks are a key tool in support of public health decision-making. A number of databanks are available relevant to population needs, resources available, as well as performance indicators. Since the 2000s, considerable efforts have been dedicated to the consolidation of findings and development of tools aimed at improving surveillance with respect to the health status of populations and performance of the social and healthcare system. At the annual congress of the Association francophone pour le savoir (ACFAS), held in 2017 at McGill University, a seminar was organized on the utilization of databanks in mental health and in addiction. This seminar featured an expert discussion on subjects related to: identification of the principal clinical-administrative databanks, the extent of their use, their limitations, and solutions aimed at optimizing the development of databanks to better support the management of services. This article summarizes the content of this seminar. While databanks entail important strengths, including great potential for the generalization of information, they also present limitations regarding their capacity to respond to needs, quality and validation issues, as well as accessibility. Various recommendations were proposed to improve the management of databanks and optimize their impact, including their centralization in a single, and highly accessible autonomous organism, and societal and cultural change favoring performance evaluation in the interest of improving practices and better monitoring health results.
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 | 0,159 | 0,442 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,024 | 0,032 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,003 | 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 ».