Mini‐Sentinel's systematic reviews of validated methods for identifying health outcomes using administrative and claims data: methods and lessons learned
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.
Notice bibliographique
Résumé
PURPOSE: To overview the methods used in the Mini-Sentinel systematic reviews of validation studies of algorithms to identify health outcomes in administrative and claims data and to describe lessons learned in the development of search strategies, including their ability to identify articles from previous systematic reviews which used different search strategies. METHODS: Literature searches were conducted using PubMed and the citation database of the Iowa Drug Information Service. Embase was searched for some outcomes. The searches were based on a strategy developed by the Observational Medical Outcomes Partnership (OMOP) researchers. All citations were reviewed by two investigators. Exclusion criteria were applied at abstract and full-text review stages to ultimately identify algorithm validation studies that used data sources from the USA or Canada, as the results of these studies were considered most likely to generalize to Mini-Sentinel data. Nonvalidated algorithms were reviewed if fewer than five algorithm validation studies were identified. RESULTS: The results of this project are described in the separate articles and reports written on algorithms to identify each outcome of interest. CONCLUSIONS: The Mini-Sentinel systematic reviews of algorithms to identify health outcomes in administrative and claims data are expected to be relatively complete, despite some limitations. Algorithm validation studies are inconsistently indexed in PubMed, creating challenges in conducting systematic reviews of these studies. Google Scholar searches, which can perform text word searches of electronically available articles, are suggested as a strategy to identify studies that are not captured through searches of standard citation databases.
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 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 | 0,565 | 0,139 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle