Exploring the Collection and Use of Health Data for Smart Cities Initiatives
Notice bibliographique
Résumé
IntroductionICES is an entity in Ontario, Canada that collects and uses the personal health information (PHI) of individuals for evaluation, planning and monitoring of the provincial health system. It currently does not have legal authority to collect PHI from, or disclose PHI to, municipalities for the purpose of supporting evidence-based policymaking and enabling “Smarter Cities”. Objectives and ApproachTo assess how ICES could allow municipalities to access PHI, while maintaining strong privacy and security data protection, we first: (i) explored the legal data trust model as a vehicle for broader collection and use of municipal data, and (ii) analyzed the regulatory changes and type of framework that would enable broader access and use of PHI by municipalities. Following this and to demonstrate the value of access to ICES data for municipal planning, we identified a case project involving a municipal health stakeholder. Leveraging ICES’ remote access model, two local public health analysts performed analytics on de-sensitized, individual-level data in a secure analytic environment. ResultsWe determined that a legal data trust is not the appropriate model for the type of data sharing envisioned, but rather, a data governance and ethical use framework complimentary to a new legal regime for Smart Cities would be optimal. In Phase II the local municipal partner was able to identify several use cases for the ICES data that would support local policy making; access to these data was considered a critical enabler to improved evidence-based decision making. Conclusion / ImplicationsAllowing municipal policy makers to use data under a complimentary framework to a new legal regime, may improve policy and produce direct economic impact for municipalities where evidence needed for decision-making is lacking; representing a practical step forward towards Smart Cities.
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 | 0,048 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,014 | 0,008 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».