Couverture de la population dans le Système canadien de surveillance des maladies chroniques : enquête sur le contenu des registres d’assurance-maladie au Canada
Bibliographic record
Abstract
Introduction Les registres d’assurance-maladie, qui recueillent des renseignements sur la couverture et certaines caractéristiques des individus à l’échelle de larges populations, sont précieux pour la surveillance de la santé de la population et de la recherche fondée sur l’utilisation de données administratives. Le fait que les données des registres des provinces et des territoires du Canada ne soient pas normalisées est susceptible de nuire à la comparabilité des mesures de surveillance. Nous avons évalué le contenu des registres d’assurance-maladie au Canada afin de décrire les populations couvertes et de relever les similitudes et les différences entre les registres. Méthodologie L’équipe de l’étude et des représentants de l’Agence de la santé publique du Canada ont élaboré une enquête sur les caractéristiques individuelles et les données sur la population recueillies dans les registres d’assurance-maladie. Les réponses des informateurs clés des provinces et territoires qui ont répondu à l’enquête ont été analysées de façon descriptive. Résultats Toutes les provinces ont répondu à l’enquête et les Territoires du Nord-Ouest ont fourni des réponses partielles. Certaines caractéristiques individuelles figurant dans les registres d’assurance-maladie (l’adresse principale, la date de naissance et le sexe) sont saisies dans toutes les provinces et tous les territoires. Les données disponibles sur les liens de parenté, l’origine ethnique et le statut socioéconomique sont variables selon les provinces et territoires, tout comme les dates de début et de fin de couverture et la fréquence de mise à jour du registre. L’information sur des populations particulières, comme les membres des Premières Nations, est saisie dans certaines provinces et certains territoires seulement. Conclusion Les registres d’assurance-maladie constituent une riche source d’information sur les populations assurées des provinces et des territoires. Cependant, l’hétérogénéité des données peut avoir un impact sur les personnes incluses et exclues dans les estimations de surveillance de la population produites à partir de données administratives sur la santé. L’élaboration d’un cadre de données harmonisé favoriserait l’obtention de résultats comparables et à jour en matière de recherche et de surveillance de la santé de la population dans le cadre d’études intergouvernementales.
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 | 0.013 | 0.026 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.016 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".