Utilisation des données administratives pour comprendre la distribution géographique de la détermination des cas
Notice bibliographique
Résumé
<sec> <title>Résumé</title> Nous avons examiné la variabilité géographique de l’information générée à partir de différentes définitions de cas d’asthme infantile, provenant des données administratives sur la santé utilisées en Alberta, au Canada. Notre objectif était de déterminer si les analyses fondées sur différents algorithmes de détermination des cas permettent ou non de définir les groupes géographiques dans la même région que celle sur laquelle porte l’étude. Notre groupe d’étude reposait sur une cohorte fermée d’enfants asthmatiques nés en 1988. Nous avons utilisé une statistique sur l’analyse spatiale pour établir les variations de l’emplacement approximatif des groupes géographiques liés à l’asthme selon différentes définitions de cas. Nos résultats indiquent que l’algorithme de détermination des cas et la source de données n’ont pas une très grande incidence sur les profils géographiques. Par exemple, les asthmatiques identifiés à partir des données sur les réclamations au titre de frais médicaux ont démontré un regroupement semblable à celui des asthmatiques définis à partir des données sur l’hospitalisation et provenant du service d’urgence. Cependant, il faut bien prendre en considération les estimations de la prévalence et de l’incidence et les valider par rapport aux autres sources de données. </sec>
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| 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 ».