Écosystème numérique DESIIR : Données Environnementales et de Santé Intégrées pour une Infrastructure de Recherche
Bibliographic record
Abstract
La pandémie de COVID-19 a souligné l’interdépendance des espèces vivantes et de leur environnement, menant au concept de « One Health ». Celui-ci implique une démarche intersectorielle afin de répondre aux enjeux complexes de santé incluant l’impact des changements climatiques sur la santé respiratoire et allergique. Ainsi, ce projet vise à regrouper les données de recherche générées au Saguenay–Lac-Saint-Jean (SLSJ) depuis les années 1970 en environnement, en santé physique et psychosociale et sur la structure populationnelle au sein d’un écosystème numérique nommé DESIIR (Données Environnementales et de Santé Intégrées pour une Infrastructure de Recherche). Le premier volet de ce projet vise à regrouper ces données dans un environnement sécurisé répondant aux principes FAIR et respectant les lois québécoises sur la protection des données. Le deuxième volet utilisera l’asthme comme modèle afin de démontrer l’ampleur des possibilités qu’offrira DESIIR. Le troisième volet aura comme objectif d’évaluer la complétude des différents ensembles de données, de planifier des programmes de recherche pour combler les lacunes identifiées et de développer un plan de valorisation de DESIIR pour maximiser sa visibilité et son utilisation. DESIIR est un vaste projet d’infrastructure qui implique une équipe de 30 chercheuses et chercheurs provenant de 9 établissements universitaires qui sera réalisé en partenariat avec le Centre intégré de santé et de service sociaux du SLSJ, le Cégep de Jonquière, ville Saguenay ainsi que « Secure Data 4 Health » pour la construction de l’infrastructure. Ces chercheurs, chercheuses et partenaires assurent actuellement la gestion des données qui seront regroupées dans DESIIR et la gouvernance du projet. À terme, DESIIR fournira des données conformes aux principes FAIR, de multiples opportunités pour le développement de nouveaux projets de recherche novateurs, des modèles d’analyse qui pourront être élargis à d'autres traits complexes ainsi qu’une preuve de concept de la valeur ajoutée d'un tel écosystème. Il favorisera le développement d’une approche holistique de la recherche en santé durable conduisant au développement et à l’application de nouveaux modèles de prévention et de gestion de la santé. DESIIR contribuera à bâtir un modèle socioéconomique innovant en santé durable pour la population du SLSJ.
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 | 0.012 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.005 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".