MétaCan
Menu
Retour à la cohorte
Enregistrement W4402404951 · doi:10.23889/ijpds.v9i5.2629

Navigating the barriers to multi-regional research administrative data access: Forward thinking solutions

2024· article· en· W4402404951 sur OpenAlexaffabout
Donna Curtis Maillet, Nicole Yada

Notice bibliographique

RevueInternational Journal for Population Data Science · 2024
Typearticle
Langueen
DomaineDecision Sciences
Thématiquedemographic modeling and climate adaptation
Établissements canadiensUniversity of TorontoUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésComputer scienceData accessData scienceBusinessKnowledge managementProcess managementDatabase

Résumé

récupéré en direct d'OpenAlex

In 2021, aware of both the importance of pan-Canadian data access for advancing health research and the conditions and requirements that make administrative data access onerous, HDRN Canada worked with CATCO the Canadian arm of an international COVID-19 clinical trial to create a roadmap for navigating the barriers to multi-regional administrative data access in Canada. While developing the roadmap, data access request processes were studied in real time for a multi-region study seeking access to link administrative data to clinical trial data, at the individual level. The intent was to move beyond anecdotal evidence and document the specific nature of policy and processes that hamper data access. The case study allowed the study team to define the barriers permitting application of tangible mitigating measures. In 2022, barriers such as the lack of ability to share data across provincial borders became too great to continue the study. Although the roadmap was not completed, insights were gained for waypoints along the path enabling HDRN Canada to make important process improvement to harmonize data access across regions. Solutions to challenges with data access request forms, regional data flows, data sharing partner relationships, data sharing agreements, and REB and project reviews were identified. Recently pan-Canadian initiatives have released important guidance for addressing data access challenges. The adoption of this guidance is paramount to ensure Canada continues to meaningfully contribute to health research. Forward thinking solutions to data access challenges today will establish the necessary infrastructure for a future with minimal data access barriers.

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)0,191
score de la tête « metaresearch » (Gemma)0,194
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,809
Score d'incertitude au seuil0,998

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1910,194
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0070,009
Études des sciences et des technologies0,0260,032
Communication savante0,0540,039
Science ouverte0,0180,031
Intégrité de la recherche0,0170,034
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,791
Tête enseignante GPT0,660
Écart entre enseignants0,131 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
DomaineMéthodes
GenreMéthodes

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
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetdemographic modeling and climate adaptationTravaux en français237 207