MétaCan
Menu
Retour à la cohorte
Enregistrement W1918109950 · doi:10.1097/aln.0000000000000692

Identifying Obstructive Sleep Apnea in Administrative Data

2015· article· en· W1918109950 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueAnesthesiology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueObstructive Sleep Apnea Research
Établissements canadiensHealth Sciences CentreUniversity of OttawaInstitute for Clinical Evaluative SciencesSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health ResearchOttawa Hospital Anesthesia Alternate Funds AssociationUniversity of TorontoOntario Ministry of Health and Long-Term CareInstitute for Clinical Evaluative Sciences
Mots-clésMedicinePolysomnogramObstructive sleep apneaDiagnosis codeContinuous positive airway pressureSleep apneaSleep studyApnea–hypopnea indexPolysomnographyIntensive care medicineEmergency medicineInternal medicineApneaPopulation

Résumé

récupéré en direct d'OpenAlex

AbstractAbstract In approximately 5,000 patients who underwent preoperative polysomnography, 56% met criteria for a diagnosis of obstructive sleep apnea (OSA). In these patients with known or excluded OSA, none of the health administrative diagnostic codes, diagnostic procedures, or therapeutic interventions by themselves or in combination identified OSA with adequately high sensitivity and specificity. Existing studies using administrative codes to identify OSA should be interpreted with caution. Background: Health administrative (HA) databases are increasingly used to identify surgical patients with obstructive sleep apnea (OSA) for research purposes, primarily using diagnostic codes. Such means to identify patients with OSA are not validated. The authors determined the accuracy of case-ascertainment algorithms for identifying patients with OSA with the use of HA data. Methods: Clinical data derived from an academic health sciences network within a universal health insurance plan were used as the reference standard. The authors linked patients to HA data and retrieved all claims in the 2 yr before surgery to determine the presence of any diagnostic codes, diagnostic procedures, or therapeutic interventions consistent with OSA. Results: The authors identified 4,965 patients (2003 to 2012) who underwent preoperative polysomnogram. Of these, 4,353 patients were linked to HA data; 2,427 of these (56%) had OSA based on diagnosis by a sleep physician or the apnea hypopnea index. A claim for a polysomnogram and receipt of a positive airway pressure device had a sensitivity, specificity, and positive likelihood ratio (+LR) for OSA of 19, 98, and 10.9%, respectively. An International Classification of Diseases, Tenth Revision , code for sleep apnea in hospitalization abstracts was 9% sensitive and 98% specific (+LR, 4.5). A physician billing claim for OSA ( International Classification of Diseases, Ninth Revision , 780.5) was 58% sensitive and 38% specific (+LR, 0.9). A polysomnogram and a positive airway pressure device or any code for OSA was 70% sensitive and 36% specific (+LR, 1.1). Conclusions: No code or combination of codes provided a +LR high enough to adequately identify patients with OSA. Existing studies using administrative codes to identify OSA should be interpreted with caution.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,643

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,195
Tête enseignante GPT0,404
Écart entre enseignants0,209 · 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