Linking Spinal Cord Injury Data Sets to Describe the Patient Journey Following Injury: A Protocol
Notice bibliographique
Résumé
BACKGROUND: To optimize traumatic spinal cord injury (tSCI) care, administrative and clinical linked data are required to describe the patient's journey. OBJECTIVES: To describe the methods and progress to deterministically link SCI data from multiple databases across the SCI continuum in British Columbia (BC) and Ontario (ON) to answer epidemiological and health service research questions. METHODS: Patients with tSCI will be identified from the administrative Hospital Discharge Abstract Database using International Classification of Diseases (ICD) codes from Population Data BC and ICES data repositories in BC and ON, respectively. Admissions for tSCI will range between 1995-2017 for BC and 2009-2017 for ON. Linkage will occur with multiple administrative data holdings from Population Data BC and ICES to create the "Admin SCI Cohorts." Clinical data from the Rick Hansen SCI Registry (and VerteBase in BC) will be transferred to Population Data BC and ICES. Linkage of the clinical data with the incident cases and administrative data at Population Data BC and ICES will create subsets of patients referred to as the "Clinical SCI Cohorts" for BC and ON. Deidentified patient-level linked data sets will be uploaded to a secure research environment for analysis. Data validation will include several steps, and data analysis plans will be created for each research question. DISCUSSION: The creation of provincially linked tSCI data sets is unique; both clinical and administrative data are included to inform the optimization of care across the SCI continuum. Methods and lessons learned will inform future data-linking projects and care initiatives.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».