Expanding opportunities in health data: Enhancing research by facilitating linkage of Ontario’s population-level health administrative data with data from patient support programs (PSPs)
Notice bibliographique
Résumé
ObjectivesPatient Support Programs (PSPs) provide real-world evidence on short-term outcomes and drug adherence for specialty care. These data are collected directly from patients by pharmaceutical companies. Data linkage is facilitated by a publicly-funded health research institute which houses population-based, individual-level health administrative data for 14 million Ontario residents in Canada since 1992. Linkage provides a more comprehensive and transparent view of patients’ pathways and care. ApproachIndustry-funded research conducted through the data & analytic service must align with the institute’s mission, vision and values, and demonstrate a clear public benefit. For transparency, and to support broader public benefit and research access, final deliverables and analytic plans are posted on the institute’s website. Privacy impact assessments are conducted to ensure ethics approvals, consent and data sharing agreements are established, prior to data importation. To safeguard privacy, designated data covenantors encrypt and link the PSP data with in-house data holdings. Analyses are performed by senior analytic staff, providing researchers with summary-level reports. ResultsSince 2016, the institute has worked with organizations to link data for research, including PSP data on thousands of patients, enabling crucial insight into treatment patterns, drug adherence, costs and long-term outcomes. ConclusionLinkage of privately-owned PSP data with administrative health data at the institute, provides opportunities to identify gaps in care and improve quality of research. Data challenges around bias, transparency, completeness, and comprehensiveness are minimized. ImplicationsResults provide decision-makers and healthcare professionals with a trusted and comprehensive understanding of patient care pathways to improve health outcomes.
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 | 0,300 | 0,457 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,014 | 0,023 |
| Études des sciences et des technologies | 0,009 | 0,009 |
| Communication savante | 0,019 | 0,021 |
| Science ouverte | 0,007 | 0,039 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,005 |
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 ».