MétaCan
Menu
← Retour à la cohorte
Enregistrement W4412991431 · doi:10.2196/81227

Improving Semantic Interoperability in Healthcare: Experiences Implementing the ISO 13940 Standard in Estonia (Preprint)

2025· preprint· en· W4412991431 sur OpenAlexvenueno aff
Kristian Juha Ismo Kankainen, Ruth Erm, Janek Metsallik, Gunnar Piho, Peeter Ross

Notice bibliographique

RevueJMIR Formative Research · 2025
Typepreprint
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintInteroperabilitySemantic interoperabilityHealth careBusinessComputer scienceWorld Wide WebPolitical science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND Event-based digital health data and information exchange are a complex sociotechnical challenge because they rely on the existence of stable, shared meanings for care process concepts such as mandate, responsibility, episode boundaries, and referral, across clinical, administrative, financing, and technical stakeholders. International Organization for Standardization 13940:2015 System of Concepts to Support Continuity of Care (ContSys) provides a conceptual framework for continuity-of-care processes, but national translations and contextualization, along with their governance implications, remain largely undocumented in the scholarly literature. OBJECTIVE This study aimed to document Estonia’s translation and contextualization of ContSys and to identify and interpret recurring patterns of conceptual discrepancy that are relevant to the durable governance of event meanings. METHODS We conducted a qualitative study of a national standards implementation project by using document and artifact analysis. Materials included the source standard, the translated manuscript, mapping notes and spreadsheets, review records, and public commentary inputs. We preserved ContSys concepts while documenting local counterparts through country-specific notes (including scope differences and contextual legal use) and synonymous terms. We summarized implementation outputs by concept domain and interpreted discrepancy patterns by using the Levels of Conceptual Interoperability Model and Blobel’s Generic Component Model as a cross-domain reference architecture lens. RESULTS The Estonian publication covers all ContSys concept domains and includes extensive contextualization outputs (46 country-specific notes and 82 synonyms), with the highest concentrations in time- and responsibility-related domains, indicating where semantic pressure is the greatest. Mapping and review discussions repeatedly revealed conflation of local legal or organizational terms with distinct ContSys concepts, especially where mandate and responsibility shift over time. A familiar referral artifact label (Estonian: saatekiri) was inconsistently interpreted as (1) a mandate transfer, (2) joint involvement while retaining the original mandate, or (3) episode initiation, demonstrating why event meanings cannot be safely encoded as event triggers in specifications without an explicit, versioned meaning decision. CONCLUSIONS Translating and contextualizing a conceptual standard can support cross-domain semantic alignment by making mismatches explicit while preserving conceptual fidelity. However, durable event meanings require an explicit stewardship model—decision rights, resourcing, conflict resolution, and change control—to maintain coherence as they evolve. CLINICALTRIAL

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)0,038
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,200

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0030,003
Communication savante0,0070,004
Science ouverte0,0020,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,557
Écart entre enseignants0,430 · 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'étudeSans objet
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetElectronic Health Records Systems→Travaux en français237 207→