Validity of medication‐based co‐morbidity indices in the Australian elderly population
Notice bibliographique
Résumé
OBJECTIVES: To determine the validity of two medication-based co-morbidity indices, the Medicines Disease Burden Index (MDBI) and Rx-Risk-V in the Australian elderly population. METHODS: In Phase I, the sensitivity and specificity of both indices were determined in 767 respondents from wave 6 of the Australian Longitudinal Study of Ageing (ALSA). Medication-defined index disease categories were compared to self-reported medical conditions. Correlation with self-rated health was examined and Cox proportional hazards models were used to assess the predictive validity for mortality. Phase II verified the predictive ability of Rx-Risk-V in a sample of 213,191 veterans from Australian Department of Veterans' Affairs (DVA) database. RESULTS: MDBI and Rx-Risk-V scores could be calculated for 28% and 73% of the ALSA sample respectively. Both indices had high specificities and low to moderate sensitivities compared to self-reported medical conditions. Total weighted scores were significantly related to self-rated health (p<0.001). Both indices were predictive of mortality (Hazard Ratio (HR) =3.690 (95% CI 2.264-6.015) for MDBI and HR 1.079 (95% CI 1.045-1.114) for Rx-Risk-V. The predictive validity for mortality of Rx-Risk-V was confirmed using DVA data (HR= 1.090, 95% CI 1.088-1.092). CONCLUSIONS: Medication-based co-morbidity indices Rx-Risk-V and MDBI are valid measures of co-morbidity. However, Rx-Risk-V detects more comorbidity in the Australian elderly population and is likely to be a more suitable index to use in administrative datasets, particularly where studies include large numbers of outpatients.
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 | 0,002 | 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 ».