Recommended Minimum Elements for Transparent Reporting of Multi-Jurisdiction Algorithm Feasibility Studies
Notice bibliographique
Résumé
BackgroundResearch and surveillance using routinely collected health data rely on algorithms to ascertain disease cases or health measures. Where algorithm validation studies are not possible due to lack of a reference standard, algorithm feasibility studies can be used to create and assess algorithms for use in more than one population or jurisdiction. Publication of the methods used to conduct feasibility studies is critical for transparency and reproducibility. Existing guidelines applicable to feasibility studies, including the STrengthening the Reporting of OBservational studies in Epidemiology (STROBE) and REporting of studies Conducted using Observational Routinely collected health Data (RECORD) statements, may benefit from additional elements to capture aspects particular to multi-jurisdiction algorithm feasibility studies and ensure full reproducibility. MethodsA subcommittee of members from Health Data Research Network (HDRN) Canada’s Algorithms and Harmonized Data Working Group (AHD-WG) reviewed items within the STROBE and RECORD guidelines and compared these to published feasibility studies. Items not contained within STROBE or RECORD but recommended to ensure transparent reporting of feasibility studies were identified. The AHD-WG reviewed and approved these additional recommended elements. ResultsEleven additional recommended elements were identified: one element for the title and abstract, one in the introduction, five in the methods, and four in the results sections. Elements primarily addressed reporting jurisdictional data variabilities, data harmonization methods, and algorithm implementation. SignificanceImplementation of these recommended elements, alongside the RECORD guidelines, is intended to encourage consistent publication of methods that support reproducibility, as well as increase comparability and international collaborations.
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 | 0,620 | 0,868 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,012 |
| Méta-épidémiologie (sens large) | 0,008 | 0,020 |
| Bibliométrie | 0,021 | 0,017 |
| Études des sciences et des technologies | 0,010 | 0,012 |
| Communication savante | 0,020 | 0,020 |
| Science ouverte | 0,017 | 0,016 |
| Intégrité de la recherche | 0,036 | 0,035 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,016 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex 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 ».