MétaCan
Menu
Retour à la cohorte
Enregistrement W2224190854 · doi:10.12927/hcq.2015.24439

Rheumatoid Arthritis Surveillance in Ontario: Monitoring the Burden, Quality of Care and Patient Outcomes through Linkage of Administrative Health Data

2015· article· en· W2224190854 sur OpenAlexaffabout
Jessica Widdifield, Sasha Bernatsky, Claire Bombardier, Michael J. Paterson

Notice bibliographique

RevueHealthcare Quarterly · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueRheumatoid Arthritis Research and Therapies
Établissements canadiensMount Sinai HospitalMcGill University Health CentreCanadian Institutes of Health Research
Organismes subventionnairesnon disponible
Mots-clésMedicineRheumatoid arthritisEpidemiologyRheumatologyHealth careFamily medicineLinkage (software)PopulationEnvironmental healthInternal medicine

Résumé

récupéré en direct d'OpenAlex

Rheumatoid arthritis (RA) is the most common chronic inflammatory joint disease.Using the Ontario administrative health data housed at the Institute for Clinical Evaluative Sciences, researchers have quantified the population-level burden and epidemiology of RA, mapped its geographic distribution in relation to rheumatologist supply, studied trends in access to rheumatology care and treatment and evaluated patient outcomes.The findings highlight the excess morbidity and mortality associated with the growing burden of RA in the face of a strained rheumatology supply, and raise urgent questions about how best to meet the needs of Ontarians with RA. The IssueGiven the rising levels of chronic disease and multimorbidity in Canada, researchers and decision-makers are increasingly looking to administrative health data as an information source for chronic disease detection and surveillance.Rheumatoid arthritis (RA) is just one condition for which administrative data-based research on disease burden, quality of care and patient outcomes is helping to transform the lives of Canadians with chronic disease.RA is the most common chronic inflammatory joint disease, affecting millions of people worldwide, and one of the most disabling and costly of all chronic diseases (Cross et al. 2014).At disease onset, RA is considered a medical emergency requiring prompt referral to a rheumatologist.To control symptoms and inhibit disease progression, treatment guidelines include disease-modifying antirheumatic drugs (DMARDs), biologic agents such as anti-tumour necrosis factor agents and corticosteroids (Bykerk et al. 2012).However, uncontrolled RA activity can lead to irreversible joint damage requiring surgery, multiple comorbidities and premature mortality.Many factors contribute to increased morbidity and mortality in patients with RA, including immune abnormalities, organ system manifestations associated with the disease, genetic predisposition, the immunosuppressive and cytotoxic effects of treatments and, possibly, poor quality of care.Here we highlight some recent Institute for Clinical Evaluative Sciences (ICES) research aimed at helping to improve the care and outcomes of patients with RA. Key Findings Optimizing Administrative Data AccuracyValidation of administrative data for identifying patients with various health states improves our understanding of when and how such data can be used for chronic disease surveillance and research.To assess the accuracy of administrative data for identifying RA patients, two independent validation studies were performed at ICES (Widdifield et al. 2013a(Widdifield et al. , 2014a)).This foundational work led to the establishment of the Ontario Rheumatoid Arthritis Database (ORAD), a validated, population-based registry.Derived by linking physician service claims,

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,013
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,129
Tête enseignante GPT0,406
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHealthcare QuarterlyMême sujetRheumatoid Arthritis Research and TherapiesTravaux en français237 207