Diagnostic accuracy of algorithms to identify hepatitis C status, AIDS status, alcohol consumption and illicit drug use among patients living with HIV in an administrative healthcare database
Notice bibliographique
Résumé
PURPOSE: This study aims to develop and evaluate diagnostic algorithms for AIDS, hepatitis C status, alcohol abuse and illicit drug use in the administrative healthcare database of the Province of Quebec, Canada (Régie de l'assurance-maladie du Québec (RAMQ)). METHODS: We selected HIV-positive patients contributing to both the RAMQ database and a local clinical database, which was used as gold standard. We developed algorithms to identify the diagnoses of interest in RAMQ using data from hospital discharge summaries and medical and pharmaceutical claims databases. We estimated and compared sensitivity, specificity, positive predictive and negative predictive values and area under receiver operating curve for each algorithm. RESULTS: Four hundred twenty patients contributed to both databases. Prevalence of conditions of interest in the clinical database was as follows: AIDS 233 (55%), hepatitis C infection 105 (25%), alcohol abuse 106 (25%), illicit drug use 144 (34%) and intravenous drug use 107 (25%). Sensitivity to detect AIDS, hepatitis C, alcohol abuse, illicit drug use and intravenous drug use was 46% [95%CI: 39-53], 26% [18-35], 50% [37-57], 64% [55-72] and 70% [61-79], respectively. Specificity to detect these conditions was 91% [86-95], 97% [94-98], 92% [88-95], 95% [92-97] and 90% [87-93], respectively. Positive predictive values were 87% [80-92], 71% [54-85], 68% [56-78], 87% [79-93] and 72% [62-80], respectively. Area under receiver operating curve varied from 0.62 [0.57-0.65] for hepatitis C to 0.80 [0.76-0.85] for intravenous drug use. CONCLUSIONS: Sensitivity was low to detect AIDS, alcohol abuse, illicit drug use and especially hepatitis C in RAMQ. Researchers must be aware of the potential for residual confounding and must consider additional methods to control for confounding.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».