Efficiency gains from the implementation of Research IDs for data linkage: A case study from Population Data BC and the Data Innovation Program in British Columbia, Canada
Notice bibliographique
Résumé
Objective and ApproachPopulation Data BC (PopData) transitioned to Research IDs from Study IDs for the Data Innovation (DI) Program, with the objective of improving efficiency of data preparation, linkage, and provisioning while maintaining privacy standards. Study IDs are person-specific encrypted identifiers unique to each study, preventing Researchers from combining records from different projects, in turn reducing risk of re-identification. Research IDs are also person-specific encrypted identifiers, except they are not project specific. Advancements in technology and changes in data provisioning models have reduced utility of Study IDs. ResultsImplementing Research IDs instead of Study IDs decreased: processing, setup/review, per transfer effort, errors/omissions, storage requirements, staff training/knowledge, licenses, record keeping, specialized knowledge, and per project data tracking. There was a marginally higher risk of re-identification with Research IDs, counter-acted by a higher degree of technological security and stronger procedural and ethical frameworks, resulting in the ability to provide more data to more users. ConclusionsAdopting Research IDs has allowed PopData and the DI Program to access established data resources faster, more efficiently, with less per project person effort and reduced storage requirements without a net risk change. The benefits of adopting Research IDs, counter a potential minimal risk gain arising from replacement of Study IDs with Research IDs. ImplicationsEfficiency gains from the use of Research IDs allows PopData and the DI Program to redistribute operational and staff resources, in turn increasing their ability to scale, to provide data in more diverse formats and improve service provision.
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 | 0,083 | 0,127 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,018 | 0,005 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».