MétaCan
Menu
Retour à la cohorte
Enregistrement W4378905583 · doi:10.14745/ccdr.v49i05a04

Innovative technology and established partnerships—a recipe for rapid adaptability under emerging pandemic conditions

2023· article· en· W4378905583 sur OpenAlexafffundvenueabout
Shamir Mukhi, Melanie Laffin-Thibodeau, Tim Beattie

Notice bibliographique

RevueCanada Communicable Disease Report · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensCanadian Paediatric SocietyPublic Health Agency of Canada
Organismes subventionnairesPublic Health AgencyPublic Health Agency of Canada
Mots-clésData collectionPandemicPublic healthIntervention (counseling)Flexibility (engineering)BusinessGeneral partnershipPublic health surveillanceCoronavirus disease 2019 (COVID-19)Environmental healthMedicineMedical emergencyPsychologyNursingDiseaseFinanceSociology

Résumé

récupéré en direct d'OpenAlex

Background: Aided by a collaborative partnership dating back to 2011, the Canadian Network for Public Health Intelligence (CNPHI) and the Canadian Paediatric Surveillance Program (CPSP) quickly undertook substantial enhancements to the CPSP's data collection instruments on the CNPHI platform to characterize the impacts of the coronavirus disease 2019 (COVID-19) on children and youth in Canada. Faced with an emerging public health threat with impacts yet unknown, the objective of the intervention was to rapidly complete enhancements to existing data collection and analytical tools to enable the CPSP's ability to characterize the impacts of COVID-19 in Canadian children and youth. Intervention: Reporting frequency from CPSP's network of paediatric practitioners was increased from monthly to weekly, and the flexibility of detailed case data collection was substantially enhanced using complex survey instruments, interactively designed using CNPHI's Web Data technology. To ensure their data collection proceeded along all required lines of surveillance, CPSP's data collection tools were enhanced to collect demographic, epidemiological, microbiological and clinical data including comorbidities of cases identified. Outcomes: Less than a month after the World Health Organization declared the COVID-19 pandemic, CPSP was able to start collecting detailed weekly case data on emerging cases of COVID-19 among Canadian children and youth. By May 2020, CPSP was able to launch a detailed study, supporting research into potential risk factors for severe COVID-19-related illness in children and youth. Conclusion: In response to a novel public health threat, CNPHI and CPSP were able to implement rapid adaptations and enhancements to existing data collection instruments while fortifying their preparedness to do the same in the future, when needed. With innovative and agile technologies at the ready, this experience helps to emphasize the importance of established collaborative partnerships across public health disciplines as a factor contributing to preparedness and agility to respond to the unforeseen. Canadian Network for Public Health Intelligence's Web Data technology showed agile adaptability and a capacity for complex and detailed data collection, supporting timely surveillance and response.

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)0,043
score de la tête « metaresearch » (Gemma)0,053
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,228

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,053
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0100,017
Communication savante0,0180,028
Science ouverte0,0040,029
Intégrité de la recherche0,0070,009
Charge utile insuffisante (le modèle a refusé de juger)0,0290,008

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 Opus0,070
Tête enseignante GPT0,336
Écart entre enseignants0,266 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanada Communicable Disease ReportMême sujetData-Driven Disease SurveillanceTravaux en français237 207