Cartographier le cheminement, dans le système de soins, des patients atteints de cancer. Partie II: Approches méthodologiques et résultats de base
Bibliographic record
Abstract
Il s’agit du deuxième article de recherche d’une série qui visait à élaborer un historique complet des interactions des patients avec le système des soins de santé. Cet article fournit des détails sur les méthodes mises au point pour recueillir et assembler les renseignements épars relatifs à l’historique des interventions (trajectoire) que subit un patient atteint de cancer qui navigue dans le système des soins de santé du Manitoba et ce, à partir d’un an avant le diagnostic jusqu’à deux ans après ce dernier. Les données sur la survie ont été obtenues jusqu’à la fin de 1994. Les données démographiques fondamentales obtenues dans le cadre de ces travaux sont également présentées, y compris l’information sur la survie jusqu’à quatre ans après l’annonce du diagnostic. On traite également des questions liées à l’enregistrement des données standards et du niveau de détail des interventions cliniques indiquées dans le dossier. Cette partie de la recherche démontre que des sources de données éparses du système de santé peuvent être fusionnées avec un haut degré d’exactitude et d’exhaustivité des données.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.027 | 0.107 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.005 |
| Bibliometrics | 0.014 | 0.020 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".