Barriers and enablers to secondary use of multi-regional linked administrative health data for three distinct user groups: academic researchers, health-system knowledge users, and private sector researchers
Notice bibliographique
Résumé
Objective and ApproachWe analyzed barriers and enablers to accessing pan-Canadian health sector data and data analytic services for three distinct user groups: 1) academic researchers, 2) health-system knowledge users (KUs), and 3) private sector researchers. Specifically, we a) conducted a legislative and policy scan regarding use of health administrative data for research, quality improvement, and health system management and b) systematically consulted with data centre directors and staff, privacy and legal experts, knowledge users (KUs), private sector entities, and university and government officials. ResultsKUs and private sector organizations face unique barriers because structures and regulations related to data access and use are set at multiple university and government institutions and are primarily designed for academic research. Additionally, data repositories often have specific policy/legislative barriers to working with KUs and/or private sector researchers. However, all groups face common issues including variations in regional regulations and policies making harmonized and streamlined processes challenging; lengthy data access and ethics review processes; and regional variations in data availability. Enablers included diverse expertise and initiatives across Canada such as: initiatives to streamline ethics reviews for multi-regional research, expand data holdings, increase standardization and harmonization, and implement systems for federated analyses. ConclusionsAccess to health system data and analytics in Canada varies by user group and across regions. Although each user group faces unique challenges, they also all have many barriers and enablers in common. ImplicationsImproving health system data access for one use group has the potential to benefit the others.
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 | 0,092 | 0,199 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,011 | 0,006 |
| Communication savante | 0,012 | 0,005 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; 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 ».