Le système intégré de surveillance des maladies chroniques du Québec (SISMACQ) : une approche novatrice
Bibliographic record
Abstract
Introduction : Avec l’accroissement du fardeau des maladies chroniques, la surveillance est fondamentale pour améliorer la prévention et la prise en charge de ces dernières. L’Institut national de santé publique du Québec a donc développé un système novateur de surveillance des maladies chroniques, le Système intégré de surveillance des maladies chroniques du Québec (SISMACQ), dont les principales caractéristiques, les forces et les limites sont présentées ici. Méthodologie : Le SISMACQ est le résultat du jumelage de cinq fichiers médico-administratifs. Mises à jour annuellement, ses données couvrent actuellement la période du 1er janvier 1996 au 31 mars 2012. Trois étapes en caractérisent le modèle opérationnel : 1) l’extraction et le jumelage des données médico-administratives grâce à divers critères de sélection; 2) les analyses (principalement la validation des définitions) et la production des mesures de surveillance et 3) l’interprétation, le dépôt et la diffusion de l’information. Le SISMACQ permet actuellement l’étude des maladies chroniques suivantes : diabète, maladies cardiovasculaires, maladies respiratoires, ostéoporose, maladies ostéoarticulaires, troubles mentaux et Alzheimer et maladies apparentées. Il permet également l’analyse de la multimorbidité et de la polypharmacie. Résultats : Pour 2011-2012, le SISMACQ contenait des données sur 7 995 963 Québécois, et leur moyenne d’âge était de 40,8 ans. Parmi eux, 95,3 % répondaient à au moins un critère de sélection permettant l’application de définitions de cas pour la surveillance des maladies chroniques. Cette proportion variait avec l’âge : de 90,1 % chez les Québécois de 19 ans et moins à 99,3 % chez ceux de 65 ans et plus. Conclusion : Le SISMACQ permet la production de données, à l’échelle de la population, sur le fardeau de plusieurs maladies chroniques, sur l’utilisation des services de santé et sur la consommation de médicaments. Il rend possible l’étude intégrée de la combinaison de plusieurs maladies, une approche jusqu’à présent rarement mise en œuvre dans un contexte de surveillance populationnelle. Le SISMACQ répond aux attributs essentiels d’un système de surveillance et aide à la diffusion de l’information auprès des décideurs en vue d’actions en santé publique.
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 | 0.042 | 0.068 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.006 | 0.009 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".