Creating a provincial post <scp>COVID</scp>‐19 interdisciplinary clinical care network as a learning health system during the pandemic: Integrating clinical care and research
Notice bibliographique
Résumé
Introduction: Coronavirus Disease-2019 (COVID-19) affects multiple organ systems in the acute phase and also has long-term sequelae. Research on the long-term impacts of COVID-19 is limited. The Post COVID-19 Interdisciplinary Clinical Care Network (PC-ICCN), conceived in July 2020, is a provincially funded resource that is modelled as a Learning Health System (LHS), focused on those people with persistent symptoms post COVID-19 infection. Methods: The PC-ICCN emerged through collaboration among over 60 clinical specialists, researchers, patients, and health administrators. At the core of the network are the post COVID-19 Recovery Clinics (PCRCs), which provide direct patient care that includes standardized testing and education at regular follow-up intervals for a minimum of 12 months post enrolment. The PC-ICCN patient registry captures data on all COVID-19 patients with confirmed infection, by laboratory testing or epi-linkage, who have been referred to one of five post COVID-19 Recovery Clinics at the time of referral, with data stored in a fully encrypted Oracle-based provincial database. The PC-ICCN has centralized administrative and operational oversight, multi-stakeholder governance, purpose built data collection supported through clinical operations geographically dispersed across the province, and research operations including data analytics. Results: To date, 5364 patients have been referred, with an increasing number and capacity of these clinics, and 2354 people have had at least one clinic visit. Since inception, the PC-ICCN has received over 30 research proposal requests. This is aligned with the goal of creating infrastructure to support a wide variety of research to improve care and outcomes for patients experiencing long-term symptoms following COVID-19 infection. Conclusions: The PC-ICCN is a first-in-kind initiative in British Columbia to enhance knowledge and understanding of the sequelae of COVID-19 infection over time. This provincial initiative serves as a model for other national and international endeavors to enable care as research and research as care.
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 | 0,019 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,002 |
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 ».