MétaCan
Menu
Retour à la cohorte
Enregistrement W4405837670 · doi:10.1371/journal.pdig.0000689

Development and evaluation of a low-cost database solution for the Community Paramedicine at Clinic (CP@clinic) database

2024· article· en· W4405837670 sur OpenAlexaff
Ricardo Angeles, Krzysztof Adamczyk, Francine Marzanek, Melissa Pirrie, Mikayla Plishka, Gina Agarwal

Notice bibliographique

RevuePLOS Digital Health · 2024
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMobile Health and mHealth Applications
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésDatabaseFlexibility (engineering)MedicineHealth careComputer databaseComputer science

Résumé

récupéré en direct d'OpenAlex

The Community Paramedicine at Clinic (CP@clinic) program is a community program that utilizes community paramedics to support older adults in assessing their risk factors, managing their chronic conditions, and linking them to community resources. The aim of this project is to design a low-cost, portable, secure, user-friendly database for CP@clinic sessions and pilot test the database with paramedics and older adult volunteers. The CP@clinic program database using the Microsoft Access software was first developed through consultation with the CP@clinic research team. Next, the database was pilot tested with two sets of older adults and one set of paramedics to assess user experience. Volunteers completed a survey regarding their perceptions of the level of difficulty when using the database. A computer-based database was the best option as it provided flexibility while reducing costs. The final database should perform calculations and summarize risk assessment data, provide recommended resources, generate automated reports, capture changes in medical and medication history, and ensure that the sensitive information is secure. During pilot testing, the older adult participants and the paramedics indicated that the database was easy to use. This low-cost, user-friendly and secure database captures initial and follow-up data, incorporates algorithms that guide the paramedics, and calculates risk factor scores for the participants. This solution to a healthcare database is translatable to other health research studies in which ongoing patient data is collected electronically and longitudinally.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0040,004
Science ouverte0,0050,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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.

Tête enseignante Opus0,362
Tête enseignante GPT0,532
Écart entre enseignants0,170 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLOS Digital HealthMême sujetMobile Health and mHealth ApplicationsTravaux en français237 207