Systematic Review of Validation Studies of the Use of Administrative Data to Identify Serious Infections
Notice bibliographique
Résumé
OBJECTIVE: To conduct a systematic review of the literature on the validation of algorithms identifying infections in administrative data for future use in populations with rheumatic diseases. METHODS: Medline and EMBase were searched using the themes "administrative data" and "infection" between 1950 and October 2012. Inclusion criteria consisted of validation studies of administrative data identifying infections in adult populations. Article quality was assessed using a validated tool. RESULTS: A total of 5,941 articles were identified, 90 articles underwent detailed review, and 24 studies were included. The majority (17 of 24) examined bacterial infections and 9 examined opportunistic infections. Eighteen studies were from the US and all but 4 studies used International Classification of Diseases, Ninth Revision codes. Rheumatoid arthritis patients were studied in 6 of 24 articles. The studies on bacterial infections in general reported highly variable sensitivity and positive predictive value (PPV) for the diagnosis of infections using administrative data (sensitivity range 4.4-100%, PPV range 21.7-100%). Algorithms to identify opportunistic infections similarly had a highly variable sensitivity (range 20-100%) and PPV (range 1.3-100%). Thirteen studies compared the diagnostic accuracy of different algorithms, which revealed that strategies including a comprehensive algorithm using a greater number of diagnostic codes or codes in any position had the highest sensitivity for the diagnosis of infection. Algorithms that incorporated microbiologic or pharmacy data in combination with diagnostic codes had improved PPV for identification of tuberculosis. CONCLUSION: Algorithms for identifying infections using administrative data should be selected based on the purpose of the study, with careful consideration as to whether a high sensitivity or PPV is required.
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 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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».