Accélérer la recherche en sciences de la santé en facilitant l'accès aux données pour les chercheurs : un impératif pour les minorités linguistiques
Notice bibliographique
Résumé
Les bases de données administratives sur la santé présentent plusieurs caractéristiques qui les rendent attrayantes pour la recherche en santé. Elles comprennent en effet tout d’abord des données populationnelles pour l'ensemble ou la majorité des individus d'une population donnée. Ensuite, elles englobent un large éventail de variables, notamment la démographie des patients, les diagnostics, les interventions et les résultats. Elles contiennent de plus des données collectées sur des périodes longues, allant jusqu’à plusieurs décennies. Enfin, ces bases de données incluent pour la plupart des identifiants uniques pour chaque individu, permettant ainsi de relier les données entre les bases. Ces données constituent par conséquent un outil de choix et permettent entre autres de réduire les biais, d’augmenter la puissance statistique, de créer des jeux de données complets, d’étudier les déterminants sociaux de la santé, de mener des analyses longitudinales, de diminuer les coûts de collecte, d’augmenter la confidentialité des données ainsi que de réduire le fardeau pour les participants et contribuer à l’amélioration de la qualité des données. Malgré la richesse de ces données collectées dans les provinces et territoires canadiens, l'existence de centres de données provinciaux dotés des ressources et de l'infrastructure nécessaires pour faciliter leur accès à des fins de recherche, et des cadres réglementaires contenant des dispositions explicites permettant aux chercheur·e·s d'y accéder, de plus en plus d'éléments indiquent que les chercheur·e·s rencontrent des difficultés lorsqu'ils tentent de les utiliser à des fins de recherche. Plus précisément, les chercheur·e·s font état de retards et de variations substantielles dans la rapidité d'accès aux données administratives de santé.
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 | 0,267 | 0,378 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,009 | 0,011 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,017 | 0,022 |
| Science ouverte | 0,005 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,005 |
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 ».