Agreement between patients' self‐report and medical records for vaccination: the PGRx database
Notice bibliographique
Résumé
PURPOSE: Patients' self-reported vaccine exposure (PS) may be subject to memory errors and other biases. Physicians' prescription records and other medical records (MR) do not capture noncompliance with vaccination. This study compared PS with MR for influenza, 23-valent pneumococcal, and human papillomavirus (HPV) vaccines. METHODS: The Pharmacoepidemiologic General Research Extension (PGRx) database uses a network of over 300 general practitioners across France, who systematically recruit an age- and sex-stratified sample of patients (≥ 14 years old), without reference to their diagnoses or prescriptions. Patients received a structured telephone interview, combined with an interview guide listing vaccines commonly given. Patients' self-reported vaccination in the 3 years before their recruitment was compared with medical records kept by the physician or the patient. RESULTS: Concordance between PS and MR was assessed for 7613 patients for whom both sources of information were available. Agreement within 3 years before the recruitment date was substantial for influenza vaccines (prevalence and bias-adjusted kappa [PABAK] = 0.74, sensitivity PS relative to MR 81.5%) and high for 23-valent pneumococcal vaccines (PABAK = 0.98, sensitivity PS 49.6) and HPV vaccines (PABAK = 0.92, sensitivity PS 91.6). In adjusted analyses, agreement varied with sociodemographic and health-related factors, particularly for influenza and 23-valent pneumococcal vaccines. CONCLUSIONS: The PGRx method for drug exposure assessment is a new tool in pharmacoepidemiology that shows substantial to high agreement between PS and MR for exposure to various vaccines. Our finding of high agreement between PS and MR for HPV vaccination status in young women is a significant addition to the literature.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».