Minimum Data Sets of Perinatal Period for Iran: A Delphi Study
Notice bibliographique
Résumé
Introduction: A Minimum Data Set (MDS) is a core set of data elements agreed by the National Health Information Management Group in Australia for mandatory collection and reporting of data at a national level. It has important role in the health care industry for data exchange and implementation of electronic health records. The aim of this study was to design of perinatal MDS for Iran. Methods: This was an applied and mixed method study (qualitative - comparative and Delphi) conducted in 2013. For the first step, perinatal MDS in Australia, Canada, New Zealand, America, England and Iran were studied and compared via library sources, the Internet, correspondance with foreign authors, and available forms. The instrument of the study were data collection forms and a questionnaire that content validity of which was determined by the experts of the field. Then, the initial model for MDS of perinatal period was suggested. The questionnaire was tested by Delphi technique in two rounds. Data analyses was performed by comparing tables and determining similarities and differences in the selective countries at the stage of comparison of MDS of perinatal period. At the stage of data validation for the model, this was accomplished with descriptive statistics (frequency, percentage, mean) and Excel software. Results: In the initial model for MDS of perinatal period, from 251 data elements and 11 sections were subjected to discussion. Finaly, 105 data elements with consensus and 122 with collective agreement were confirmed. Data elements were proposed in 15 subsets. Conclusion: Present problems has faced in country such as poor documentation, lack of data elements of standard. MDS improve the quality of perinatal care and access to accurate and timely data. Keywords: Health Information Systems; Data Set; Perinatal Care; Electronic Health Records
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 | 0,002 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».