Using Diagnostic Codes to Screen for Intimate Partner Violence in Oregon Emergency Departments and Hospitals
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVES: Many of the 2.5 million Americans assaulted annually by intimate partners seek medical care. This project evaluated diagnostic codes indicative of intimate partner violence (IPV) in Oregon hospital and emergency department (ED) records to determine predictive value positive (PVP), sensitivity, and usefulness in routine surveillance. Statewide incidence of care for IPV was calculated and victims and episodes characterized. METHODS: The study was a review of medical records assigned > or = 1 diagnostic codes thought predictive of IPV. Sensitivity was estimated by comparing the number of confirmed victims identified with the number predicted by statewide telephone survey. Patients were aged > or = 12 years, treated in any of 58 EDs or hospitals in Oregon during 2000, and discharged with one of three primary or 12 provisional codes suggestive of IPV. Outcome measures were number of victims detected, PPV and sensitivity of codes for detection of IPV, and description of victims. RESULTS: Of 58 hospitals, 52 (90%) provided records. Case finding using primary codes identified 639 victims, 23% of all estimated female victims seen in EDs or hospitalized statewide. PVP was 94% (639/677). Provisional codes increased sensitivity (51%) but reduced PVP (50%). Highest incidence occurred in women aged 20-39 years, and those who were black. Hospitalizations were highest among women aged > or = 50 years, black people, or those with comorbid illness. CONCLUSIONS: Three diagnostic codes used for case finding detect approximately one-quarter of ED- and hospital-treated victims, complement surveys, and facilitate description of injured victims.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle