Technologie innovante et partenariats établis – une recette pour une adaptabilité rapide dans des conditions de pandémie émergente
Bibliographic record
Abstract
Contexte : Grâce à un partenariat de collaboration qui remonte à 2011, le Réseau canadien de renseignements sur la santé publique (RCRSP) et le Programme canadien de surveillance pédiatrique (PCSP) ont rapidement apporté des améliorations substantielles aux instruments de collecte de données du PCSP sur la plateforme du RCRSP afin de caractériser les impacts de la maladie à coronavirus 2019 (COVID-19) sur les enfants et les adolescents au Canada.Face à une menace émergente pour la santé publique dont les effets sont encore inconnus, l'objectif de l'intervention était d'améliorer rapidement les outils de collecte de données et d'analyse existants afin de permettre au PCSP de caractériser les effets de la COVID-19 chez les enfants et les adolescents canadiens.Intervention : La fréquence des rapports du réseau de praticiens pédiatriques du PCSP est passée de mensuelle à hebdomadaire, et la flexibilité de la collecte de données détaillées sur les cas a été considérablement améliorée grâce à des instruments d'enquête complexes, conçus de manière interactive à l'aide de la technologie de données Web du RCRSP.Pour s'assurer que la collecte de données se déroule selon toutes les lignes de surveillance requises, les outils de collecte de données du PCSP ont été améliorés afin de recueillir des données démographiques, épidémiologiques, microbiologiques et cliniques, y compris les comorbidités des cas identifiés.Résultats : Moins d'un mois après que l'Organisation mondiale de la Santé ait déclaré la pandémie de COVID-19, le PCSP a pu commencer à recueillir des données hebdomadaires détaillées sur les cas émergents de COVID-19 chez les enfants et les adolescents canadiens.En mai 2020, le PCSP a pu lancer une étude détaillée, soutenant la recherche sur les facteurs de risque potentiels de maladies graves liées à la COVID-19 chez les enfants et les adolescents.Conclusion : En réponse à une nouvelle menace pour la santé publique, le RCRSP et le PCSP ont été en mesure de mettre en œuvre des adaptations et des améliorations rapides des instruments de collecte de données existants, tout en renforçant leur préparation à faire de même à l'avenir, en cas de besoin.Avec des technologies innovantes et agiles à disposition, cette expérience permet de souligner l'importance des partenariats de collaboration établis entre les disciplines de santé publique en tant que facteur contribuant à la préparation et à l'agilité pour répondre à l'imprévu.La technologie de données Web du RCRSP a fait preuve d'une grande souplesse d'adaptation et d'une capacité à collecter des données complexes et détaillées, ce qui permet d'assurer une surveillance et une réaction en temps utile.
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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".