A Synthesis of Algorithms for Multi-Jurisdiction Research in Canada.
Notice bibliographique
Résumé
ObjectivesValidation of algorithms to identify health conditions (e.g., diabetes) or service use (e.g., high-cost users) in administrative data is time-consuming and expensive. Many algorithms are only assessed in a single jurisdiction, which may limit generalizability. Our study described the characteristics of multi-jurisdiction algorithms from a Canadian algorithm repository. ApproachWe summarized algorithms captured in the open-access Algorithms Inventory developed by Health Data Research Network (HDRN) Canada. This inventory contains published algorithms identified through a series of systematic reviews of peer-reviewed research. Algorithms included in the inventory were validated or assessed for feasibility of implementation in two or more provinces/territories; they encompass measures of population health, health service use, and determinants of health. Descriptive statistics were used to characterize the study data on such features as year and discipline of the study journal, algorithm topic area, jurisdictions included in the study, validation source data, and algorithm elements (i.e., diagnosis codes). ResultsThe HDRN Canada Algorithms Inventory currently contains 166 algorithms from 63 published articles. The majority of articles were published in 2010 or later (89%) and more than half (56%) of the articles were found in journals with a clinical focus. Feasibility studies (79%) were conducted more often than validation studies (21%). Most algorithms used data from the provinces of British Columbia, Manitoba, Ontario, and Nova Scotia. The majority of algorithms (72%) measured population health concepts, such as chronic physical health conditions (63%; e.g., hypertension) and mental health conditions (14%; e.g., depression). Algorithms about the determinants of health (17%) mostly focused on measures of socioeconomic status (37%) derived from census data. Multi-jurisdiction algorithms about health service use were least common (11%). ConclusionThis synthesis revealed few Canadian multi-jurisdiction validation studies have been conducted and not all provinces/territories are equally represented. New validation studies, particularly about health service use and determinants of health, will increase the consistency and accuracy of Canadian research. Reusing published algorithms from this inventory will facilitate research reproducibility.
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 | 0,080 | 0,327 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,007 |
| Bibliométrie | 0,054 | 0,069 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
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 ».