Waterloo Eye Study: Data Abstraction and Population Representation
Notice bibliographique
Résumé
PURPOSE: To determine data quality in the Waterloo Eye Study (WatES) and compare the WatES age/sex distribution to the general population. METHODS: Six thousand three hundred ninety-seven clinic files were reviewed at the University of Waterloo, School of Optometry. Abstracted information included patient age, sex, presenting chief complaint, entering spectacle prescription, refraction, binocular vision, and disease data. Mean age and age distributions were determined for the entire study group and both sexes. These results were compared with Statistics Canada (2006) estimates and information on Canadian optometric practices. Inter- and intraabstractor reliability was determined through double entry of 425 and 50 files, respectively; the Cohen kappa statistic (K) was calculated for qualitative data and the intraclass correlation coefficient (ICC) for quantitative data. Availability of data within the files was determined through missing data rates. RESULTS: The age of the patients in the WatES ranged from 0.2 to 93.9 years (mean age, 42.5 years), with all age groups younger than 85 years well represented. Females comprised 54.1% and males 45.9% of the study group. There were more older patients (>65 years) and younger patients (<10 years) than in the population at large. K values were highest for demographic information (e.g., sex, 0.96) and averaged slightly less for most clinical data requiring some abstractor interpretation (0.71 to 1.00). The two lowest interabstractor values, migraine (0.41) and smoking (0.26), had low reporting frequencies and definition ambiguity between abstractors. Intraclass correlation coefficient values were >0.90 for all but one continuous data type. Missing data rates were <2% for all but near phoria, which was 7.4%. CONCLUSIONS: The WatES database includes patients from all age groups and both sexes. It provides a fair representation of optometric patients in Canada. Its large sample size, good interabstractor repeatability, and low missing data rates demonstrates sufficient data quality for future analysis.
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 | 0,020 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».