MétaCan
Menu
Retour à la cohorte
Enregistrement W4302018627 · doi:10.5281/zenodo.7148861

EOSC-Life Public database inventorying the national health databases and registries and describing their access procedures for reuse for research purposes

2022· report· en· W4302018627 sur OpenAlexaff
Maria Panagiotopoulou, Sarhan Yaïche, Amélie Michon, Christian Ohmann, Jacques Demotes‐Mainard, Mihaela Matei, Steve Canham, Sigrun M. Hjelle, Patrycja Klusek, Joana R. Batuca, Caecilia Schmid, Maria Buoncervello, Elena Toschi, Luisa Minghetti, Maria Luisa Chiusano, Adriana Vives Vilatersana, María Calvo I Orteu, Zsolt Szabó, Lenka Součková, Kristýna Nosková, Sharon Kappala, Caitriona M. Creely, Oonagh Ward, Fionnuala Keane, Sebastian Klammt, Jan‐Willem Boiten, Ayodeji Adeniran, Michaela Th. Mayrhofer, Simona Sonderlichová

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2022
Typereport
Langueen
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensInformation Technology Association of Canada
Organismes subventionnairesHorizon 2020 Framework Programme
Mots-clésDatabaseReuseComputer sciencePublic accessWorld Wide WebEngineering

Résumé

récupéré en direct d'OpenAlex

The digitisation of healthcare has brought new opportunities to complement and enhance the data traditionally utilized in regulatory decision-making. According to the EMA, real world evidence (RWE) has been defined as the information derived from analysis of routinely collected real world data (RWD) relating to a patient’s health status or the delivery of healthcare from a variety of sources other than traditional clinical trials. Before fostering the enormous potential presented by the use of routinely collected RWD (e.g. electronic health records, medical claims, insurance data etc.) several challenges need to be addressed: operational, technical, methodological and ELSI. Reusing RWD for research purposes in Europe and especially in a crossborder manner is hampered by the fact that health databases and registries are not easily discoverable and, even when they are, understanding what data they contain and their suitability for addressing a specific research question remains not trivial due to the lack of detailed data catalogues with adequate metadata (especially in English). The present report is entitled “D4.5 Public database inventorying the national health databases and registries and describing their access procedures for reuse for research purposes”. As the title indicates, the report delivers an inventory of national health databases and registries covering 15 European countries: Austria, Czech Republic, France, Germany, Hungary, Ireland, Italy, the Netherlands, Norway, Poland, Portugal, Slovakia, Spain, Sweden, Switzerland. For each country the reader can find information on the national healthcare system, a list of health databases and registries, their description (or links to websites where this description can be found) and information on data access for research purposes. Although this deliverable was initially conceived as a “public database” in the form of a website, the EOSC-Life WP4 partners agreed that this would be unnecessary as the European Health Information Portal1 is already playing this role. Instead, this report will become publicly available through Zenodo and disseminated to relevant stakeholders working on similar issues (including the actors behind the Health Information Portal) as a way to “join forces” and complement each other’s work instead of duplicating efforts. In summary, we conclude that the picture across Europe is diverse and at times patchy as the health databases and registries are subject to different governance and sustainability models but also to different local laws and access rules. Interestingly, there is still, on a European level, great debate around the terms “anonymisation”, “pseudonymisation” and “de-identification” and when data can be considered anonymised and as such exempted from the GDPR. Additionally, even when the current barriers of discoverability and accessibility (that are the main focus of this report) are lifted, there remains the major question of whether such data sources are suitable for research, as concerns around their quality, completeness and structure (or lack of) are still to be addressed.

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)0,039
score de la tête « metaresearch » (Gemma)0,082
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,204

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0390,082
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0200,024
Études des sciences et des technologies0,0020,001
Communication savante0,0130,008
Science ouverte0,0030,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0350,047

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 Opus0,456
Tête enseignante GPT0,398
Écart entre enseignants0,058 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetHealth, Environment, Cognitive AgingTravaux en français237 207