Validation of a health administrative data algorithm for assessing the epidemiology of diabetes in Canadian children
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
OBJECTIVE: To validate a case definition of pediatric diabetes using administrative health data and describe trends in incidence and prevalence over time in Ontario, Canada. METHODS: We sampled hospital records of 700 children from 1994 to 2003 with a prior history of at least one outpatient or hospital record for diabetes mellitus and 300 randomly selected children with no diabetes records. We defined patients as having diabetes based on diagnoses and drug utilization from chart abstraction and compared sensitivity and specificity of a number of combinations of overall health care use using administrative data to develop a highly specific definition. We used Poisson regression to test changes in incidence over time (1994-2003). RESULTS: Use of four physician claims and no hospital records over a 2-yr period yielded the most specific definition (83% sensitivity, 99% specificity). Using this definition overall age/sex standardized incidence per 100,000 was 32.3 [95% confidence intervals (CI) 30.4, 34.4] and prevalence 241.5 per 100 000 (95% CI 236.2-249.9) in 2003/2004. Overall incidence differs by age, (peaking in 10-14 yr olds) but not significantly by sex. The overall incidence has increased on average by 3.1% per year since 1994 (95% CI 1.02-1.04), with no difference in the rate of increase by age. CONCLUSIONS: Population-based surveillance of diabetes in children is possible using administrative data. This will facilitate further study of trends in incidence but also in use of health services and outcomes. Further work to differentiate type 1 and 2 diabetes will be important.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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