Using A Privacy Preserving Record Linkage to Facilitate an Ongoing Crosswalk Between Research and Health Administrative Databases
Notice bibliographique
Résumé
IntroductionThe Ontario Brain Institute has developed Brain-CODE, an informatics platform designed to support the collection, storage, federation, sharing and analysis of different neuroscience research data types across several brain disorders. Linking such “deep” research data with “broad” health administrative data allows for improved characterization of disorders and supports the development of related health and social policies (Anderson et al., 2015). A privacy preserving record linkage protocol, developed through the Indoc Consortium, has been used to facilitate such linkages between Brain-CODE and administrative data holdings at the Institute for Clinical Evaluative Sciences (ICES; e.g., emergency department use, inpatient records, prescription drug utilization) (Gee et al., 2018). Objectives and ApproachThree linkage pilots in the areas of neurodevelopmental disorders, epilepsy, and stroke research have been completed with >99% success match rates across all projects. However, each of these projects required a significant amount of human and computational resources to complete. With other similar data linkages being planned, it was determined that a more permanent solution was required rather than completing linkages on a project-by-project basis. The governance and technical elements to support the creation and maintenance of such a crosswalk between Brain-CODE and ICES were reviewed with an implementation plan subsequently developed. Results:A methodology for creating a crosswalk between Brain-CODE and ICES has been established. The same privacy preserving record linkage protocol, as used in the previous linkage pilots, will support the creation of this crosswalk. A plan has been established to update this crosswalk annually to account for new study participants on Brain-CODE. Conclusion / ImplicationsThe creation of this crosswalk will allow for a more streamlined approach of data linkage between Brain-CODE and ICES. Such an approach can significantly reduce overall resourcing requirements, enable more efficient data linkages, and contribute to the coupling of “broad” and “deep” data.
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 | 0,187 | 0,226 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,010 | 0,011 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,005 | 0,017 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,007 |
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 ».