Developing a comprehensive database with sensitive health information: A profile of people living with HIV in Newfoundland and Labrador, Canada
Notice bibliographique
Résumé
INTRODUCTION: Developing a comprehensive cohort of people living with HIV (PLHIV) to help improve healthcare has long been the vision of researchers, clinicians and decision makers. The development of this kind of database is challenging and requires strict adherence to privacy and confidentiality policies. We explored procedures, activities and events in database development. OBJECTIVES: To understand processes of developing a database with sensitive health information in Newfoundland and Labrador (NL), and to investigate procedures and activities to develop the database within its environmental context. METHODS: A narrative case study was used to explain the challenges and procedures involved in developing a database for our population. The development of the PLHIV cohort in NL is provided as an example to demonstrate the complexity of the process. We linked three datasets that included patient-level data for PLHIV: 1. laboratory data; 2. HIV clinic data; 3. health administrative data, which allowed for the creation of a large database containing many variables describing the PLHIV cohort in the province. RESULTS: We developed a de-identified cohort of 251 PLHIV that contained 178 variables. Our case study showed database development is an iterative process. The main challenges were ensuring patient privacy and data confidentiality are not compromised and working with multi-custodian data. These challenges were addressed by establishing a data governance team. CONCLUSIONS: It is important that policy be implemented to merge siloed data sources in order to provide researchers with accurate and complete data that is required to conduct sound and precise research with maximum benefits for treatment and policy-making to improve health outcomes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».