Validation of perinatal data in the Discharge Abstract Database of the Canadian Institute for Health Information
Notice bibliographique
Résumé
We compared perinatal information submitted to the Canadian Institute for Health Information (CIHI) hospitalization database with information submitted to the Nova Scotia Atlee Perinatal Database (NSAPD) in order to assess the accuracy of the CIHI data. Procedures such as Caesarean delivery were coded accurately (i.e. sensitivity of 99.8%; specificity of 98.7%). Postpartum hemorrhage, induction of labour and severe intraventricular hemorrhage also had sensitivity and specificity rates above 85% and 95%, respectively. Some diagnoses, defined differently in the two databases, were less accurately coded, e.g. respiratory distress syndrome (RDS) had a sensitivity of 50.9% and a specificity of 99.8%. Restriction to more severe forms of the disease improved accuracy, e.g. restriction of RDS to severe RDS in the NSAPD and identification of severe RDS in the CIHI database, using codes for RDS and intubation, resulted in a sensitivity of 100% and a specificity of 99.6%. Our study supports the use of CIHI data for national surveillance of perinatal morbidity, with the caveat that an understanding of clinical practice and sensitivity analyses to identify robust findings be used to facilitate inference.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 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 ».