Measuring the Masses: A Proposed Template for Post-Event Medical Reporting (Paper 4)
Notice bibliographique
Résumé
BACKGROUND: Standardizing and systematizing the reporting of health outcomes from mass gatherings (MGs) will improve the quality of data being reported. Setting minimum standards for case reporting is an important strategy for improving data quality. This paper is one of a series of papers focused on understanding the current state, and shaping the future state, of post-event case reporting. METHODS: Multiple data sources were used in creating a lean, yet comprehensive list of essential reporting fields, including a: (1) literature synthesis drawn from analysis of 54 post-event case reports; (2) comparison of existing data models for MGs; (3) qualitative analysis of gaps in current case reports; and (4) set of data domains developed based on the preceding sources. FINDINGS: Existing literature fails to consistently report variables that may be essential for not only describing the health outcomes of a given event, but also for explaining those outcomes. In the context of current and future state reporting, 25 essential variables were identified. The essential variables were organized according to four domains, including: (i) Event Domain; (ii) Hazard and Risk Domain; (iii) Capacity Domain; and (iv) Clinical Domain. DISCUSSION: The authors propose a first-generation template for post-event medical reporting. This template standardizes the reporting of 25 essential variables. An accompanying data dictionary provides background and standardization for each of the essential variables. Of note, this template is lean and will develop over time, with input from the international MG community. In the future, additional groups of variables may be helpful as "overlays," depending on the event category and type. CONCLUSIONS: This paper presents a template for post-event medical reporting. It is hoped that consistent reporting of essential variables will improve both data collection and the ability to make comparisons between events so that the science underpinning MG health can continue to advance.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».