MétaCan
Menu
Retour à la cohorte
Enregistrement W3114967472 · doi:10.2196/25149

Interoperable Platform to Report Polymerase Chain Reaction SARS-CoV-2 Tests From Laboratories to the Chilean Government: Development and Implementation Study

2020· article· en· W3114967472 sur OpenAlexvenueno aff
Sergio Guínez-Molinos, José María Andrade, Alejandro Medina, Sonia Espinoza Vidal, Elvis Rios

Notice bibliographique

RevueJMIR Medical Informatics · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInteroperabilityComputer scienceGovernment (linguistics)Software engineeringComputer securityProcess managementOperating systemBusiness

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Testing, traceability, and isolation actions are a central strategy defined by the World Health Organization to contain the COVID-19 pandemic. In this sense, the countries have had difficulties in counting the number of people infected with SARS-CoV-2. Errors in reporting results are a common factor, as well as the lack of interoperability between laboratories and governments. Approaches aimed at sending spreadsheets via email expose patients' privacy and have increased the probability of errors due to retyping, which generates a delay in the notification of results. OBJECTIVE: This study aims to design and develop an interoperable platform to report polymerase chain reaction (PCR) SARS-CoV-2 tests from laboratories to the Chilean government. METHODS: The methodology to design and develop the interoperable platform was comprised of six well-structured stages: (1) creation of a minimum data set for PCR SARS-CoV-2 tests, (2) modeling processes and end points where institutions interchange information, (3) standards and interoperability design, (4) software development, (5) software testing, and (6) software implementation. RESULTS: The interoperable Fast Healthcare Interoperability Resources (FHIR) platform to report PCR SARS-CoV-2 tests from laboratories to the Chilean government was successfully implemented. The platform was designed, developed, tested, and implemented following a structured methodology. The platform's performance to 1000 requests resulted in a response time of 240 milliseconds, throughput of 28.3 requests per second, and process management time of 131 milliseconds. The security was assured through a private network exclusive to the Ministry of Health to ensure confidentiality and integrity. The authorization and authentication of laboratories were implemented with a JavaScript Object Notation Web Token. All the PCR SARS-CoV-2 tests were accessible through an application programming interface gateway with valid credentials and the right access control list. CONCLUSIONS: The platform was implemented and is currently being used by UC Christus Laboratory. The platform is secure. It was tested adequately for confidentiality, secure authorization, authentication, and message integrity. This platform simplifies the reporting of PCR SARS-CoV-2 tests and reduces the time and probability of mistakes in counting positive cases. The interoperable solution with FHIR is working successfully and is open for the community, laboratories, and any institution that needs to report PCR SARS-CoV-2 tests.

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)0,010
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,042
Tête enseignante GPT0,344
Écart entre enseignants0,303 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

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

En bref

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Medical InformaticsMême sujetSARS-CoV-2 detection and testingTravaux en français237 207