Towards a "Biography" of Population Health Data about Substance Use Disorders: Qualitative Approaches to Communicating Context
Notice bibliographique
Résumé
BackgroundUnderstanding contexts of data production is necessary for using data accurately and ethically. “Biographies of data"" have developed as a complement to existing metadata as a way to critically examine and communicate social structures and power dynamics encoded in data. This project is focused on developing a “biography” of diagnostic codes, used to identify substance use disorders (SUD) in population health datasets. People with SUD regularly experience stigma and exclusion, particularly from healthcare settings. MethodsQualitative semi-structured interviews were conducted in 2024 with ""producers"" and “managers” of administrative data, including physicians and health information professionals, in British Columbia, Canada. The interviews explored processes involved with coding and billing, and the meaning of diagnostic codes from the perspective of those involved. This includes considerations of the population, social, and geographic factors, and implications of coding as inputs to decision-making. Reflexive thematic analysis was used to identify broad themes and report findings. ResultsAlthough data collection and analysis is ongoing, emerging findings have revealed structural, institutional, and social-level processes that influence coding decisions, as well as potential implications on research, policy making, and knowledge production about SUD. ConclusionAddressing the complexities of SUD and the overdose crisis will require a variety of data sources and approaches, and linked population health and administrative data will continue to be one important resource. Through better understanding the contexts and processes that inform the production and management of SUD-related population data, we will shed light on the ethical and social implications of their use.
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 | 0,156 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,019 | 0,045 |
| Communication savante | 0,015 | 0,018 |
| Science ouverte | 0,004 | 0,020 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».