Using Administrative Datasets to Study Outcomes in Dialysis Patients
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: The use of administrative health data and other secondary data sources to conduct research are increasing, and the quality of these data requires careful scrutiny to ensure that findings of studies based on them are accurate. METHODS: We conducted a multicenter, chart-abstraction study in Ontario, Canada to evaluate the ability of linked administrative databases to identify important baseline demographic and treatment information, changes in dialysis treatment modality over time, and the occurrence of important outcome events in incident dialysis patients. The medical record was considered the reference standard. RESULTS: Within administrative databases, demographic information was very well coded, as was the location where individuals started dialysis, the first treatment modality, the first outpatient modality, and the treatment that was in use 90 days after the start of therapy. The ability to accurately recreate an individual patient's entire dialysis treatment history using physician billing claims was somewhat limited. The treatment changes were often identified in the correct temporal sequence, but the dates that the events occurred did not agree well. Finally, important outcomes including the death and kidney transplantation were captured well, although the recovery of kidney function could not be evaluated because of poor inter-rater reliability. CONCLUSIONS: This validation study provides important information concerning the ability to detect variables related to dialysis care using administrative datasets. Validation work should focus not only on the ability of secondary data to identify baseline comorbidities, but should also attempt to verify that other key variables required to conduct analyses are reliably captured.
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 | 0,005 |
| 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) | 0,000 | 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