Rising prevalence of vascular comorbidities in multiple sclerosis: validation of administrative definitions for diabetes, hypertension, and hyperlipidemia
Notice bibliographique
Résumé
BACKGROUND: Despite the importance of comorbidity in multiple sclerosis (MS), methods for comorbidity assessment in MS are poorly developed. OBJECTIVE: We validated and applied administrative case definitions for diabetes, hypertension, and hyperlipidemia in MS. METHODS: Using provincial administrative data we identified persons with MS and a matched general population cohort. Case definitions for diabetes, hypertension, and hyperlipidemia were derived using hospital, physician, and prescription claims, and validated in 430 persons with MS. We examined temporal trends in the age-adjusted prevalence of these conditions from 1984-2006. RESULTS: Agreement between various case definitions and medical records ranged from kappa (κ) =0.51-0.69 for diabetes, κ =0.21-0.71 for hyperlipidemia, and κ =0.52-0.75 for hypertension. The 2005 age-adjusted prevalence of diabetes was similar in the MS (7.62%) and general populations (8.31%; prevalence ratio [PR] 0.91; 0.81-1.03). The age-adjusted prevalence did not differ for hypertension (MS: 20.8% versus general: 22.5% [PR 0.91; 0.78-1.06]), or hyperlipidemia (MS: 13.8% versus general: 15.2% [PR 0.90; 0.67-1.22]). The prevalence of all conditions rose in both populations over the study period. CONCLUSION: Administrative data are a valid means of tracking diabetes, hypertension, and hyperlipidemia in MS. The prevalence of these comorbidities is similar in the MS and general populations.
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 | 0,022 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».