Mental comorbidity and multiple sclerosis: validating administrative data to support population-based surveillance
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
BACKGROUND: While mental comorbidity is considered common in multiple sclerosis (MS), its impact is poorly defined; methods are needed to support studies of mental comorbidity. We validated and applied administrative case definitions for any mental comorbidities in MS. METHODS: Using administrative health data we identified persons with MS and a matched general population cohort. Administrative case definitions for any mental comorbidity, any mood disorder, depression, anxiety, bipolar disorder and schizophrenia were developed and validated against medical records using a a kappa statistic (k). Using these definitions we estimated the prevalence of these comorbidities in the study populations. RESULTS: Compared to medical records, administrative definitions showed moderate agreement for any mental comorbidity, mood disorders and depression (all k ≥ 0.49), fair agreement for anxiety (k = 0.23) and bipolar disorder (k = 0.30), and near perfect agreement for schizophrenia (k = 1.0). The age-standardized prevalence of all mental comorbidities was higher in the MS than in the general populations: depression (31.7% vs. 20.5%), anxiety (35.6% vs. 29.6%), and bipolar disorder (5.83% vs. 3.45%), except for schizophrenia (0.93% vs. 0.93%). CONCLUSIONS: Administrative data are a valid means of surveillance of mental comorbidity in MS. The prevalence of mental comorbidities, except schizophrenia, is increased in MS compared to the general population.
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 | 0,000 | 0,002 |
| 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 découle