Technologie innovante et partenariats établis – une recette pour une adaptabilité rapide dans des conditions de pandémie émergente
Notice bibliographique
Résumé
Contexte : Grâce à un partenariat de collaboration qui remonte à 2011, le Réseau canadien de renseignements sur la santé publique (RCRSP) et le Programme canadien de surveillance pédiatrique (PCSP) ont rapidement apporté des améliorations substantielles aux instruments de collecte de données du PCSP sur la plateforme du RCRSP afin de caractériser les impacts de la maladie à coronavirus 2019 (COVID-19) sur les enfants et les adolescents au Canada.Face à une menace émergente pour la santé publique dont les effets sont encore inconnus, l'objectif de l'intervention était d'améliorer rapidement les outils de collecte de données et d'analyse existants afin de permettre au PCSP de caractériser les effets de la COVID-19 chez les enfants et les adolescents canadiens.Intervention : La fréquence des rapports du réseau de praticiens pédiatriques du PCSP est passée de mensuelle à hebdomadaire, et la flexibilité de la collecte de données détaillées sur les cas a été considérablement améliorée grâce à des instruments d'enquête complexes, conçus de manière interactive à l'aide de la technologie de données Web du RCRSP.Pour s'assurer que la collecte de données se déroule selon toutes les lignes de surveillance requises, les outils de collecte de données du PCSP ont été améliorés afin de recueillir des données démographiques, épidémiologiques, microbiologiques et cliniques, y compris les comorbidités des cas identifiés.Résultats : Moins d'un mois après que l'Organisation mondiale de la Santé ait déclaré la pandémie de COVID-19, le PCSP a pu commencer à recueillir des données hebdomadaires détaillées sur les cas émergents de COVID-19 chez les enfants et les adolescents canadiens.En mai 2020, le PCSP a pu lancer une étude détaillée, soutenant la recherche sur les facteurs de risque potentiels de maladies graves liées à la COVID-19 chez les enfants et les adolescents.Conclusion : En réponse à une nouvelle menace pour la santé publique, le RCRSP et le PCSP ont été en mesure de mettre en œuvre des adaptations et des améliorations rapides des instruments de collecte de données existants, tout en renforçant leur préparation à faire de même à l'avenir, en cas de besoin.Avec des technologies innovantes et agiles à disposition, cette expérience permet de souligner l'importance des partenariats de collaboration établis entre les disciplines de santé publique en tant que facteur contribuant à la préparation et à l'agilité pour répondre à l'imprévu.La technologie de données Web du RCRSP a fait preuve d'une grande souplesse d'adaptation et d'une capacité à collecter des données complexes et détaillées, ce qui permet d'assurer une surveillance et une réaction en temps utile.
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 | 0,005 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».