Evaluation of data quality in a laboratory-based surveillance of <i>M. tuberculosis</i> drug resistance and impact on the prevalence of resistance: France, 2004
Notice bibliographique
Résumé
In France, surveillance of anti-tuberculosis drug resistance is performed by the Azay-Mycobacteria network, representing 30% of all culture-positive cases. We sought to validate administrative and clinical data gathered by the network in 2004 and to produce corrected resistance rates accounting for the observed misclassification. We reviewed a 10% sample of patients' records diagnosed in 2004 and measured the agreement between controlled data and data collected by the network by using the kappa (kappa) statistic. A re-sampling bootstrap-based method was used to investigate the impact of bias found on resistance rates. Most of data collected by the network, such as demographic data, and country of birth had an excellent agreement (kappa>0.8) with controlled data. The concordance was good (kappa>0.6) for HIV status and tuberculosis site. The only variable slightly discordant with controlled data was prior history of treatment (kappa=0.52). However, after correcting crude resistance rates for the observed misclassification, all estimated rates were within confidence intervals based on reported rates. This validation study is in favour of a good quality of data produced by the network, even though corrected rates are slightly different from observed rates. Therefore, data collected through the network may be used for policy making and tuberculosis programme evaluation. However, improvement in data collection regarding prior history of treatment should be considered.
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 | 0,164 | 0,274 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».