The SPOR-Canadian Data Platform: a national initiative to facilitate data rich multi-jurisdictional research
Notice bibliographique
Résumé
Administrative health data is recognized for its value for conducting population-based research that has contributed to numerous improvements in health. In Canada, each province and territory is responsible for administering its own publicly funded health care program, which has resulted in multiple sets of administrative health data. Challenges to using these data within each of these jurisdictions have been identified, which are further amplified when the research involves more than one jurisdiction. The benefits to conducting multi-jurisdictional studies has been recognized by the Canadian Institutes of Health Research (CIHR), which issued a call in 2017 for proposals that address the challenges. The grant led to the creation of Health Data Research Network Canada (HDRN), with a vision is to establish a distributed network that facilitates and accelerates multi-jurisdictional research in Canada. HDRN received funding for seven years that will be used to support the objectives and activities of an initiative called the Strategy for Patient-Oriented Research Canadian Data Platform (SPOR-CDP). In this paper, we describe the challenges that researchers face while using, or considering using, administrative health data to conduct multi-jurisdictional research and the various ways that the SPOR-CDP will attempt to address them. Our objective is to assist other groups facing similar challenges associated with undertaking multi-jurisdictional research.
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 | 0,119 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,014 | 0,025 |
| Études des sciences et des technologies | 0,011 | 0,005 |
| Communication savante | 0,013 | 0,009 |
| Science ouverte | 0,011 | 0,029 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,005 |
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 ».