Repérage de sujets de recherche potentiels : utilité des registres sur papier et utilité des bases de données administratives des hôpitaux
Bibliographic record
Abstract
Introduction Le Réseau périnatal canadien (RPC) tient une base de données nationale centrée sur la menace d’accouchement très prématuré. Dans cette base de données sont incluses les femmes admises dans une unité participante de soins périnatals tertiaires entre la 22e et la 28e semaine (22 semaines et 0 jour et 28 semaines et 6 jours) de gestation et présentant l’un ou plusieurs des problèmes de santé les plus couramment associés à un accouchement très prématuré. Méthodologie Au BC Women’s Hospital and Health Centre, nous avons comparé l’utilité des registres classiques sur support papier tenus par les unités et l’utilité de la base de données électronique de l’Institut canadien d’information sur la santé (ICIS) sur les congés des patients comme méthode de repérage des patientes qui pourraient faire partie du Réseau périnatal canadien. Résultats L’étude a permis de recenser 244 femmes, admises entre avril et décembre 2007, susceptibles d’être incluses dans la base de données du RPC. Parmi les 155 femmes répondant aux critères fixés et dont les renseignements ont été entrés dans la base de données du RPC, chaque méthode a permis de trouver un nombre équivalent de dossiers uniques (142 et 147) que l’autre méthode n’avait pas permis de trouver : la recherche dans la base de données de l’ICIS a permis de trouver 10 dossiers supplémentaires (6,4 %) et l’examen des registres sur papier, d’en trouver 5 (3,2 %). Cependant, l’interrogation de la base de données de l’ICIS a abouti à ces résultats après l’examen d’un moins grand nombre de dossiers (206 contre 223) et en moins de temps (0,67 heure contre 13,6 heures dans le cas de l’examen des registres sur papier). Conclusion Les deux méthodes permettent de repérer des sujets de recherche potentiels en se servant de l’âge gestationnel comme critère. Bien que les méthodes électroniques soient plus rapides, on ne peut y avoir recours qu’une fois que les patientes ont obtenu leur congé de l’hôpital et que les dossiers et les registres ont été vérifiés. L’évaluation des avantages et des inconvénients de chacune des méthodes déterminera le choix à faire pour chaque projet spécifique.
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 | 0.145 | 0.377 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.004 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".