Validating Chronic Disease Ascertainment Algorithms for Use in the Canadian Longitudinal Study on Aging*
Notice bibliographique
Résumé
RÉSUMÉ Nous avons validé sept algorithmes d’évaluation de maladie chronique pour l’usage dans L’Étude longitudinale canadienne (ÉLCV) sur le vieillissement. Les algorithmes ont concerné le diabète type 2, parkinsonisme, obstruction chronique de flux d’air, ostéoarthrite de main, ostéoarthrite de hanche, ostéoarthrite de genou, et la maladie cardiaque ischémique. Notre recrutement de cible était 20 cas et contrôles par chaque maladie. Quelques cas ont été utilisés comme contrôles avec certaines maladies. Tous les participants ont répondu à des questionnaires au sujet des symptômes de la maladie et d’utilisation de médicaments. Les cas et les contrôles de diabète ont subi le test de jeûne de glucose et les cas et les contrôles de l’obstruction chronique de flux d’air ont subi le test de spirométrie. Pour chaque maladie, nous avons utilisé l’algorithme adapté pour classifier si les participants étaient positifs ou négatif pour la maladie. Nous avons également calculé la sensibilité et la spécificité utilisant le diagnostic de médecin comme norme. L’échantillon final a fait participer 176 participants, qui ont été recrutés dans trois villes canadiennes entre 2009 et 2011. La plupart des sensibilités et spécificités étaient 80% ou plus, indiquant que les sept algorithmes peuvent correctement identifier des personnes avec les maladies.
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 | 0,053 | 0,145 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».