Examining the Prevalence and Patterns of Multimorbidity in Canadian Primary Healthcare: A Methodologic Protocol using a National Electronic Medical Record Database
Notice bibliographique
Résumé
In many developed countries, the burden of disease has shifted from acute to long-term or chronic diseases - producing new and broader challenges for patients, healthcare providers, and healthcare systems. Multimorbidity, the coexistence of two or more chronic diseases within an individual, is recognized as a significant public health and research priority. This protocol aims to examine the prevalence, characteristics, and changing burden of multimorbidity among adult primary healthcare (PHC) patients using electronic medical record (EMR) data. The objectives are two-fold: (1) to measure the point prevalence and clusters of multimorbidity among adult PHC patients; and (2) to examine the natural history and changing burden of multimorbidity over time among adult PHC patients. Data will be derived from the Canadian Primary Care Sentinel Surveillance Network (CPCSSN). The CPCSSN database contains longitudinal, point-of-care data from EMRs across Canada. To identify adult patients with multimorbidity, a list of 20 chronic disease categories (and corresponding ICD-9 codes) will be used. A computational cluster analysis will be conducted using a customized computer program written in JAVA. A Cox proportional hazards analysis will be used to model time-to-event data, while simultaneously adjusting for provider- and patient-level predictors. All analyses will be conducted using STATA SE 13.1. This research is the first of its kind using a pan-Canadian EMR database, which will provide an opportunity to contribute to the international evidence base. Future work should systematically compare international research using similar robust methodologies to determine international and geographical variations in the epidemiology of multimorbidity.
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 | 0,006 | 0,002 |
| 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 | 0,001 |
| 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 ».