Study Protocol – Creating an Asset Map of Health Data Platforms in Canada
Notice bibliographique
Résumé
Statement of Problem Canada’s health research ecosystem includes multiple diverse data platforms across various disease domains. While enabling broad research, they often operate in silos with differing governance, standards, and technologies. A systematic mapping of these platforms is needed to identify gaps, overlaps, and opportunities for interoperability and collaboration. Both administrative and research data platforms are critical to Canada’s health data landscape, including CIHI , HDRN and GEMINI . Administrative platforms, such as CIHI, collect and standardize administrative and clinical data [1]. National networks, such as HDRN Canada connect provincial and territorial data centers to improve health outcomes and equity [2]. GEMINI, a research-oriented platform, aims to harmonize electronic health records for improved usage in clinical research [3]. Similarly, the ARCHIMEDES health data platform provides a federated environment for the integration of multi-modal research data to support discovery science [4]. However, the rapid proliferation of health data platforms across Canada has created challenges for interoperability, sustainability, and duplication. Many platforms operate with limited funding, differing data standards, and lack mechanisms for interoperability. These challenges create barriers in leveraging existing investments, aligning with national data strategies, and ensuring access to data resources across research domains. In response to this challenge, a national asset map will identify existing platforms, their connections, and opportunities to enhance interoperability, thereby fostering collaboration, sustainability, and reducing redundancy. Objective The objective is to create a national asset map of Canadian health data infrastructure, describing each platforms’ technical capabilities, governance, data standards, funders, cost models, and data modalities. Methods The methodology includes three steps: platform search, data extraction, and verification by platform representatives. Outcomes The project will create a national asset map documenting the functionalities of Canada‘s health data platforms, including their technical capabilities, governance models, and data standards. The resource will highlight each platform’s strengths and gaps, promote transparency, enhance collaboration, and help funders reduce redundancy by supporting complementary, non-duplicative investments.
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 | 0,062 | 0,097 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,010 | 0,003 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,077 | 0,012 |
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 ».