MétaCan
Menu
Retour à la cohorte
Enregistrement W4391926578 · doi:10.3233/shti231310

Towards a Unified Framework for Information and Interoperability Governance

2024· article· en· W4391926578 sur OpenAlexaff
Anna Tumulak, Jennifer Tin, Karim Keshavjee

Notice bibliographique

RevueStudies in health technology and informatics · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésInteroperabilityInformation governanceKnowledge managementData governanceCorporate governanceHealth careFlexibility (engineering)AdaptabilityInformation systemBusinessProcess managementSemantic interoperabilityInformation sharingComputer scienceData qualityManagement information systemsEngineeringWorld Wide WebPolitical scienceMarketingManagement

Résumé

récupéré en direct d'OpenAlex

Challenges in health data interoperability have highlighted overall health care system inefficiencies. Many organizations struggle to establish a robust data governance infrastructure to meet the increasing demands of advanced data uses, let alone sharing it with a large number of other organizations. There is a need for health care organizations to adopt information governance frameworks that encapsulates interoperability as a core attribute as this can improve data processing, knowledge translation and participation in the larger health data ecosystem. To establish interoperability between healthcare organizations, standards must exist in relation to how information is governed and circulates in the healthcare system, not just on how it is structured, stored and used within an organization. In this paper we demonstrate that interoperability between organizations cannot coherently exist without consideration of information governance within organizations. Lack of coherence can lead to lack of data accessibility, decreased organizational efficiencies, and poor data quality. With this in mind, we propose a unified framework that integrates the principles of both information and interoperability governance to increase the adaptability, flexibility, and efficiency of health information usage across the entire healthcare system.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,552
Score d'incertitude au seuil0,384

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,086
Tête enseignante GPT0,374
Écart entre enseignants0,288 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in health technology and informaticsMême sujetBig Data and Business IntelligenceTravaux en français237 207