Rheumatoid arthritis prevalence in Quebec
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: To estimate rheumatoid arthritis (RA) prevalence in Quebec using administrative health data, comparing across regions. METHODS: Cases of RA were ascertained from physician billing and hospitalization data, 1992-2008. We used three case definitions: 1) ≥ 2 billing diagnoses, submitted by any physician, ≥ 2 months apart, but within 2 years; 2) ≥ 1 diagnosis, by a rheumatologist; 3) ≥1 hospitalization diagnosis (all based on ICD-9 code 714, and ICD-10 code M05). We combined data across these three case definitions, using Bayesian hierarchical latent class models to estimate RA prevalence, adjusting for the imperfect sensitivity and specificity of the data. We compared urban versus rural regions. RESULTS: Using our case definitions and no adjustment for error, we defined 75,760 cases for an over-all RA prevalence of 9.9 per thousand residents. After adjusting for the imperfect sensitivity and specificity of our case definition algorithms, we estimated Quebec RA prevalence at 5.6 per 1000 females and 4.1 per 1000 males. The adjusted RA prevalence estimates for older females were the highest for any demographic group (9.9 cases per 1,000), and were similar in rural and urban regions. In younger males and females, and in older males, RA prevalence estimates were lower in rural versus urban areas. CONCLUSIONS: Without adjustment for error inherent in administrative databases, RA prevalence in Quebec was approximately 1%, while adjusted estimates are approximately half that. The lower prevalence in rural areas, seen for most demographic groups, may suggest either true regional variations in RA risk, or under-ascertainment of cases in rural Quebec.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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