Validation du contenu d'un systeme d'information clientele dedie aux victimes d'un traumatisme cranio-cerebral a partir d'une analyse de dossiers medicaux
Bibliographic record
Abstract
L'utilisation des systèmes d'information clientèle (SIC) fait l'objet de préoccupations majeures en réadaptation actuellement. L'identification du contenu d'un tel système pour mieux répondre aux besoins des cliniciens est une étape difficile à réaliser. L'objectif de cette étude est de déterminer la concordance entre la liste des variables du SIC TCC-Québec sélectionnées initialement à partir d'une consultation d'experts cliniciens et de chercheurs soutenue par une recension des écrits et les variables trouvées dans des dossiers médicaux. J Les dossiers de 82 usagers hospitalisés au cours des années 1997 et 1998, provenant de six établissements représentatifs des institutions qui utiliseront ce système, font l'objet d'une analyse. La collecte des données a consisté à identifier la présence des variables (n=231) du système lié à t'histoire personnelle, aux déficiences et aux incapacités sensori-motrices dans tes dossiers consultés. Pour assurer ta qualité des données extraites des dossiers, une procédure d'extraction standardisée et fidèle a été appliquée. Le pourcentage des variables trouvées dans les dossiers et le nombre de dossiers dans lequel chacune des variables est documentée ont été calculés selon les deux types de milieux cliniques (traumatologie et réadaptation) et selon les régions géographiques. Les résultats démontrent qu'il existe un écart important entre ce que les experts suggèrent d'inclure dans te système et ce qui est documenté en réalité en clinique. Malgré une légère variation de ['écart selon le type de milieu clinique (traumatologie et réadaptation) et selon les régions impliquées, cet écart demeure important pour les six centres étudiés, touchant une variable sur deux. De plus, vingt-trois pourcent des variables de la liste se trouvent dans plus de 70% des dossiers analysés. Ces résultats ont permis de formuler des recommandations sur les variables de ce système les plus pertinentes à retenir en regard des besoins informationnels des cliniciens et de la réalité clinique pour favoriser l'utilisation clinique du système. J De plus, au cours de l'étude de validation de contenu, il s'est avéré nécessaire de vérifier préalablement la fidélité intra et inter-évaluateurs de l'extraction des données à partir des dossiers médicaux. L'extraction des données a été effectuée par deux cliniciens à partir de 15 dossiers provenant de deux établissements d'un continuum de services pour la clientèle visée. Les résultats ont démontré une très bonne fidélité intra-évaluateur (k moy .65) et une fidélité inter-évaluateurs modérée (k moy .56). Les valeurs des kappa variaient de .33 à .86 et de .31 à .84 pour la fidélité intra et inter-évaluateurs, respectivement. Cette étude de fidélité a permis de repérer les sources d'erreurs potentielles, lors de l'extraction des données à partir de dossiers médicaux et de leur entrée dans une base de données. Conséquemment, ceci a permis de faire les ajustements nécessaires à la procédure et à la grille d'extraction des données, permettant d'effectuer avec confiance l'étude de validation du contenu du SIC à partir des dossiers médicaux.
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 | 0.032 | 0.084 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".