Developing and Evaluating Data Infrastructure and Implementation Tools to Support Cardiometabolic Disease Indicator Data Collection
Notice bibliographique
Résumé
Background Assessment of aerobic exercise (AE) and lipid profiles among individuals with spinal cord injury or disease (SCI/D) is critical for cardiometabolic disease (CMD) risk estimation. Objectives To utilize an artificial intelligence (AI) tool for extracting indicator data and education tools to enable routine CMD indicator data collection in inpatient/outpatient settings, and to describe and evaluate the recall of AE levels and lipid profile assessment completion rates across care settings among adults with subacute and chronic SCI/D. Methods A cross-sectional convenience sample of patients affiliated with University Health Network's SCI/D rehabilitation program and outpatients affiliated with SCI Ontario participated. The SCI-HIGH CMD intermediary outcome (IO) and final outcome (FO) indicator surveys were administered, using an AI tool to extract responses. Practice gaps were prospectively identified, and implementation tools were created to address gaps. Univariate and bivariate descriptive analyses were used. Results The AI tool had <2% error rate for data extraction. Adults with SCI/D ( n = 251; 124 IO, mean age 61; 127 FO, mean age 55; p = .004) completed the surveys. Fourteen percent of inpatients versus 48% of outpatients reported being taught AE. Fifteen percent of inpatients and 51% of outpatients recalled a lipid assessment ( p < .01). Algorithms and education tools were developed to address identified knowledge gaps in patient AE and lipid assessments. Conclusion Compelling CMD health service gaps warrant immediate attention to achieve AE and lipid assessment guideline adherence. AI indicator extraction paired with implementation tools may facilitate indicator deployment and modify CMD risk.
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 | 0,249 | 0,411 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,010 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,014 |
| Science ouverte | 0,006 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».