MétaCan
Menu
Retour à la cohorte
Enregistrement W3112904752 · doi:10.23889/ijpds.v5i5.1420

Creation of First Nations Health Profiles Through Data Linkage in Manitoba

2020· article· en· W3112904752 sur OpenAlexaffabout
Shravan Ramayanam

Notice bibliographique

RevueInternational Journal for Population Data Science · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueData Quality and Management
Établissements canadiensFirst Nations Health and Social Secretariat of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMandateInformation governanceData sharingPolitical scienceBusinessPublic administrationMedicineInformation systemLaw

Résumé

récupéré en direct d'OpenAlex

BackgroundFirst Nation peoples (FNs) were not able to identify themselves within administrative datasets due to lack of FNs identifiers, which perpetuates a pan-indigenous approach in advocacy and evaluation capabilities. Linking databases improves the quality and accuracy of FNs health data and offsets the burden of survey fatigue in communities. Creating community profiles helps FNs in identifying health status priorities for communities, Tribal Council and other geographically defined areas. MethodsA resolution was passed in September 2017 to link Indian Status Registry (ISR) file with Manitoba Health Registry, with First Nations Health and Social Secretariat of Manitoba (FNHSSM) and Health Information Research Governance Committee (HIRGC) oversight to create a Key Linked file which has First Nations specific information. Encrypted Personal Health Information Numbers (PHINs) were added to the Key Linked file to create a Manitoba First Nations Research file which is linkable to other databases. Information Sharing Agreements (ISA) have been developed with federal and provincial governments to mandate the processes for data linkage. ResultsA resolution was passed in September 2017 to link Indian Status Registry (ISR) file with Manitoba Health Registry, with First Nations Health and Social Secretariat of Manitoba (FNHSSM) and Health Information Research Governance Committee (HIRGC) oversight to create a Key Linked file which has First Nations specific information. Encrypted Personal Health Information Numbers (PHINs) were added to the Key Linked file to create a Manitoba First Nations Research file which is linkable to other databases. Information Sharing Agreements (ISA) have been developed with federal and provincial governments to mandate the processes for data linkage. ConclusionData Linkage is a key process to assert self-determination, strengthen FNs data governance and achieve Data Sovereignty. Linking databases creates opportunities for FNs to access accurate data that will assist their Nations to lead their own health research and program evaluation that are driven by their own needs and priorities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,025
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil0,372

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,035
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,014
Études des sciences et des technologies0,0070,001
Communication savante0,0050,002
Science ouverte0,0030,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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.

Tête enseignante Opus0,527
Tête enseignante GPT0,540
Écart entre enseignants0,013 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetData Quality and ManagementTravaux en français237 207