Using the Johns Hopkins Aggregated Diagnosis Groups (ADGs) to Predict Mortality in a General Adult Population Cohort in Ontario, Canada
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: Administrative healthcare databases are increasingly used for health services and comparative effectiveness research. When comparing outcomes between different treatments, interventions, or exposures, the ability to adjust for differences in the risk of the outcome occurring between treatment groups is important. Similarly, when conducting healthcare provider profiling, adequate risk-adjustment is necessary for conclusions about provider performance to be valid. There are limited validated methods for risk adjustment in ambulatory populations using administrative healthcare databases. OBJECTIVES: To examine the ability of the Johns Hopkins' Aggregated Diagnosis Groups (ADGs) to predict mortality in a general ambulatory population cohort. RESEARCH DESIGN: Retrospective cohort constructed using population-based administrative data. SUBJECTS: All 10,498,413 residents of Ontario, Canada between the ages of 20 and 100 years who were alive on their birthday in 2007. Subjects were randomly divided into derivation and validation samples. MEASURES: Death within 1 year of the subject's birthday in 2007. RESULTS: A logistic regression model consisting of age, sex, and indicator variables for 28 of the 32 ADG categories had excellent discrimination: the c-statistic (equivalent to the area under the receiver operating characteristic curve) was 0.917 in both derivation and validation samples. Furthermore, the model showed very good calibration. In comparison, the use of the Charlson comorbidity index or the Elixhauser comorbidities resulted in a minor decrease in discrimination compared with the use of the ADGs. CONCLUSIONS: Logistic regression models using age, sex, and the John Hopkins ADGs were able to accurately predict 1-year mortality in a general ambulatory population of subjects.
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 | 0,000 |
| 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) | 0,001 | 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