Harnessing Routinely Collected Health Data for Global Monitoring of Stroke: Roadmap and Vision for INSPIRE-STROKE
Notice bibliographique
Résumé
INTRODUCTION: Sustainable and low-cost data systems for national and global surveillance of stroke are urgently needed to address the growing burden of stroke. Routinely collected health data (including registries and administrative data) are proliferating at a rapid pace, offering promise for systematic and enduring global stroke surveillance. However, several challenges exist in utilising these routinely collected data from across the globe for global stroke surveillance, such as non-standardised definitions and coding, missingness of data, and lack of transparent or reproducible methods. We aim to describe the vision and methods for a new global collaboration to leverage and harmonise population-level health data for global stroke surveillance. METHODS: The International Network for Standardised Population Insights and Real-world Evidence for STROKE (INSPIRE-STROKE) was established in October 2023 and currently includes 39 collaborators from 16 countries. The vision of INSPIRE-STROKE is to develop new methods that will harmonise and combine health databases across the world to facilitate reliable and robust multi-country stroke surveillance. Through this scientific community, we are initially collaborating to: (1) summarise existing methods for calculating and reporting measures of post-stroke outcomes using routinely collected health data; (2) develop consensus-based standards for analysing routinely collected health data on post-stroke outcomes; and (3) conduct proof-of-concept studies to align variables/definitions in routinely collected health data and create standardised statistical code to measure post-stroke outcomes (e.g., medication adherence, readmissions, and mortality) according to consensus-based definitions. CONCLUSION: INSPIRE-STROKE will support more reliable investigations into country-level trends in stroke incidence and outcomes, by leveraging routinely collected health data at a global scale. The large and diverse data compiled for INSPIRE-STROKE could facilitate exploration of rare stroke outcomes, particularly among under-represented groups (e.g., pregnant women, children). INSPIRE-STROKE will strengthen health policy and resource planning by providing high-quality evidence to improve access to stroke care and maximise patient 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».