Case verification of children with asthma in Ontario
Notice bibliographique
Résumé
Asthma is an important chronic childhood illness. A population-based surveillance program could measure the burden of illness, but first, the validity of an administrative diagnosis of asthma must be confirmed. The objective was to evaluate the accuracy of population-based outpatient administrative data in identifying children with asthma for the purpose of on-going asthma surveillance and research. Twenty-one primary care physician (PCP) clinics in Ontario participated. Patients under 18 yr old were categorized into three diagnosis categories according to administrative data diagnosis codes: asthma, asthma-related, and non-asthma. In each PCP clinic, for each diagnosis category, 10 charts were randomly selected for abstraction. A panel of experts (blind to the code) reviewed the abstracted charts and identified them as asthma or non-asthma. The reviewers' diagnosis was considered the gold standard. The accuracy of the administrative data diagnosis coding was analyzed using the concepts of diagnostic test evaluation. Six hundred and thirty patient charts were abstracted and reviewed. Overall agreement between the diagnosis provided by expert chart review and the administrative data diagnosis code was 84.8% (p < 0.001), and was 60.2%, 94.8% and 99.5% for the asthma, asthma-related, and non-asthma categories, respectively. Additionally, the sensitivity and specificity were 91.4% and 82.9%, respectively. Agreement between the administrative data diagnosis code and the PCP chart diagnosis was 99.4% (p < 0.001). An administrative data diagnosis code of asthma is sensitive and specific for identifying asthma. By using the results of this study as a starting point, future research will create a cohort of children with asthma to be used for population-based surveillance and research.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».