Ontology-based Representation and Analysis of Vaccination Informed Consent
Notice bibliographique
Résumé
Abstract — Although signing a vaccination (or immunization) informed consent form is not a federal requirement in the US and Canada, such a practice is required by many states and pharmacies. The content and structures of these informed consent forms vary, which make it hard to compare and analyze without standardization. To facilitate vaccination informed consent data standardization and integration, it is important to examine various vaccination informed consent forms, patient answers, and consent results. We have previously developed two related ontologies: Informed Consent Ontology (ICO) for representing general informed consent entities; Vaccine Ontology (VO) for representing vaccines, vaccine formulations, and vaccination details. Both ICO and VO are aligned with the Basic Formal Ontology (BFO) and developed by following OBO Foundry principles. In this study, we report a Vaccination Informed Consent Ontology (VICO) that integrates and extends ICO and VO to vaccination informed consent domain. Current VICO includes over 570 terms. VICO ontologically represent vaccination informed consent forms from the Walgreens and Costco pharmacies and the government of Manitoba, Canada. VICO extends ICO by adding questionnaire and question terms. The usages of VICO in combination with Semnatics Web technologies were demonstrated in two use cases using both Description Language (DL)-Query and SPARQL queries. The first use case was to compare informed consent forms from different sources. The second one was to identify vaccination contraindications based on patients ’ answers to determine who cannot be vaccinated by some vaccines. Our use cases validate that VICO is able to represent various vaccination informed consent forms, guide the report of instance consent data, support cross-source data queries. The VICO ontology is available at
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».