Development of a dictionary of information items inspired by common data models to support health research data access requests
Notice bibliographique
Résumé
A network of organizations collaborates to provide services to facilitate multi-regional research across Canada. To streamline the data access process, the network is developing a dictionary of information items (InfoItems), providing a label and definition that represent a semantic sourced from an ontology (e.g., “human birth date” from a demography ontology). This allows for a standardized and shareable means to express data requirements. Inspired by health-research common data models (CDMs) like those from the Observational Medical Outcomes Partnership (OMOP) and the Canadian Network for Observational Drug Effects (CNODES), approximately 60 InfoItems were developed by the network. As a pilot exercise, four data centres mapped their data assets to the InfoItems to ensure they are relevant to the Canadian health data context. This has laid the foundation for InfoItems as a basic data harmonization mechanism. The new InfoItems-based data dictionary promotes the standardization of data asset contents across the network’s data centres. Researchers can use the dictionary to specify a project’s data requirements, establishing details like data availability across multiple regions, for inclusion in their data access request. The InfoItems dictionary is pivotal in simplifying data access requests, promoting multi-regional research in Canada. This resource can simultaneously safeguard the quality of analytical results and optimize data extraction into existing data models (e.g., health-research CDMs). Ongoing improvements in this area aim to enhance user experience and facilitate quality research.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,045 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,037 |
| Science ouverte | 0,021 | 0,012 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».