MétaCan
Menu
Retour à la cohorte
Enregistrement W1673751173 · doi:10.1513/annalsats.201503-136fr

A Practical, Global Perspective on Using Administrative Data to Conduct Intensive Care Unit Research

2015· review· en· W1673751173 sur OpenAlexaff
Allan Garland, Hayley B. Gershengorn, Ruth Ann Marrie, Nadia Reider, M. Elizabeth Wilcox

Notice bibliographique

RevueAnnals of the American Thoracic Society · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensToronto Western HospitalUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineIdentification (biology)Scope (computer science)Data scienceHealth carePopulationComputer science

Résumé

récupéré en direct d'OpenAlex

Various data sources can be used to conduct research on critical illness and intensive care unit (ICU) use. Most published studies derive from randomized controlled trials, large-scale clinical databases, or retrospective chart reviews. However, few investigators have access to such data sources or possess the resources to create them. Hospital administrative data, also called health claims data, constitute an important alternative data source that can be used to address a broad range of research questions, including many that would be difficult to study in interventional studies. Such data often contain information that allows identification of ICU care, specific types of critical illness, and ICU-related procedures. The strengths of using administrative databases are that many are population-based, cover broad geographic regions, and are large enough to provide high statistical power and precise effect estimates. Linking hospital data to other databases regarding chronic care facilities, home care services, or rehabilitation services, for example, can expand the scope of research questions that can be answered. However, the limitations of administrative data must be recognized. They are not collected for research purposes; thus, data elements may vary in accuracy, and key clinical variables such as ICU-specific physiologic and laboratory data are usually lacking. Specific efforts should be made to validate the data elements used, as has been done in several world regions. As with any other research question, it is imperative that the analysis plan be carefully defined in advance and that appropriate attention be paid to potential sources of bias and 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,458
score de la tête « metaresearch » (Gemma)0,436
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,542
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4580,436
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0050,004
Bibliométrie0,0130,013
Études des sciences et des technologies0,0060,035
Communication savante0,0280,041
Science ouverte0,0090,016
Intégrité de la recherche0,0210,042
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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.

Tête enseignante Opus0,943
Tête enseignante GPT0,735
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the American Thoracic SocietyMême sujetSepsis Diagnosis and TreatmentTravaux en français237 207