MétaCan
Menu
Retour à la cohorte
Enregistrement W2014661580 · doi:10.1111/j.1475-6773.2007.00775.x

Identifying Persons with Treated Asthma Using Administrative Data via Latent Class Modelling

2007· article· en· W2014661580 sur OpenAlexafffundabout
Robert J. Prosser, Bruce Carleton, Mike Smith

Notice bibliographique

RevueHealth Services Research · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueAsthma and respiratory diseases
Établissements canadiensUniversity of British ColumbiaChild and Family Research InstituteChildren's & Women's Health Centre of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAsthmaMedical prescriptionMedicineRecord linkageLatent class modelDiagnosis codePopulationLinkage (software)Family medicineDemographyEnvironmental healthInternal medicineComputer scienceMachine learning

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To develop a parsimonious model of the respiratory patient population in British Columbia (BC), Canada through latent class modelling (LCM), using administrative data records and to assess conventional case definitions for asthma in relation to model-based case selection. DATA SOURCES: 1996-2001 data from linked provincial databases containing fee-for-service physician billing records, hospital inpatient separation abstracts, and prescription drug purchase records for 1.9 million BC respiratory patients. STUDY DESIGN: This is a retrospective methodological/descriptive study that assesses case definitions for asthma in terms of sensitivity and specificity using a model fitted to seven physician, hospital and medication utilization markers in place of a conventional gold standard. DATA COLLECTION: We computed values of the treatment markers for each of the 5 years for each patient aged 5-55 years who had had at least one occurrence of a respiratory diagnosis code. PRINCIPAL FINDINGS: The marker for prescription of short-acting beta agonists (SABAs) consistently had the highest sensitivity. Markers' specificities ranged from 0.97 to 1.0. The conventional case definitions' sensitivities were 0.41-0.87; specificities ranged from 0.98 to 0.997. Model-based estimates of asthma prevalence increased from 827/10,000 in 1996 to 992/10,000 in 2001. Conventional case definitions' estimates were consistently lower. CONCLUSIONS: The linkage between utilization and case status is more complex than conventional case definitions allow for. LCM-based case classification was consistent over time and tends to lead to larger prevalence estimates than conventional definitions. The estimated increases in asthma prevalence are reliable. LCM provides health services planners with a useful probability-based approach for developing and assessing case definitions and estimating case prevalence.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil0,624

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,334
Tête enseignante GPT0,503
Écart entre enseignants0,169 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealth Services ResearchMême sujetAsthma and respiratory diseasesTravaux en français237 207