Prevalence of adult systemic lupus erythematosus in California and Pennsylvania in 2000: Estimates obtained using hospitalization data
Notice bibliographique
Résumé
Systemic lupus erythematosus; prevalence; epidemiology; ethnicity; gender; ageThe prevalence of systemic lupus erythematosus (SLE) in the United States is not known.The estimates that are available have been based on populations in small geographic areas with unique demographic characteristics, or on telephone surveys [1].These estimates range widely from 5.8 to 1000 per 100,000 people [1-3].Having current nationally representative estimates of the prevalence of SLE would increase our understanding of the burden of disease and help in health care planning.We applied a new method that combines data on the frequency with which patients are hospitalized with data from state inpatient hospital databases to estimate the prevalence of SLE in adults (aged 18 or older) in California and Pennsylvania [4].California, through its Office of Statewide Health Planning and Development, and Pennsylvania, through the Health Care Cost Containment Council, mandate that hospitals report discharge abstracts for each hospitalization annually.Abstracted data include patient age, sex, race, and discharge diagnoses (up to 25 in California, up to 8 in Pennsylvania), as well as encrypted unique patient identifiers to identify individuals with multiple hospitalizations.From these databases, we identified the number of adults in each state who had a hospitalization in 2000 that included
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».