Recommendations for optimal ICD codes to study neurologic conditions
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: Administrative health data are frequently used for large population-based studies. However, the validity of these data for identifying neurologic conditions is uncertain. METHODS: This article systematically reviews the literature to assess the validity of administrative data for identifying patients with neurologic conditions. Two reviewers independently assessed for eligibility all abstracts and full-text articles identified through a systematic search of Medline and Embase. Study data were abstracted on a standardized abstraction form to identify ICD code-based case definitions and corresponding sensitivity, specificity, positive predictive values (PPVs), and negative predictive values (NPVs). RESULTS: Thirty full-text articles met the eligibility criteria. These included 8 studies for Alzheimer disease/dementia (sensitivity: 8-86.5, specificity: 56.3-100, PPV: 60-97.9, NPV: 68.0-98.9), 2 for brain tumor (sensitivity: 54.0-100, specificity: 97.0-99.0, PPV: 91.0-98.0), 4 for epilepsy (sensitivity: 98.8, specificity: 69.6, PPV: 62.0-100, NPV: 89.5-99.1), 4 for motor neuron disease (sensitivity: 78.9-93.0, specificity: 99.0-99.9, PPV: 38.0-90.0, NPV: 99), 2 for multiple sclerosis (sensitivity: 85-92.4, specificity: 55.9-92.6, PPV: 74.5-92.7, NPV: 70.8-91.9), 4 for Parkinson disease/parkinsonism (sensitivity: 18.7-100, specificity: 0-99.9, PPV: 38.6-81.0, NPV: 46.0), 3 for spinal cord injury (sensitivity: 0.9-90.6, specificity: 31.9-100, PPV: 27.3-100), and 3 for traumatic brain injury (sensitivity: 45.9-78.0 specificity: 97.8, PPV: 23.7-98.0, NPV: 99.2). No studies met eligibility criteria for cerebral palsy, dystonia, Huntington disease, hydrocephalus, muscular dystrophy, spina bifida, or Tourette syndrome. CONCLUSIONS: To ensure the accurate interpretation of population-based studies with use of administrative health data, the accuracy of case definitions for neurologic conditions needs to be taken into consideration.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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