Development and implementation of microsimulation models of neurological conditions.
Notice bibliographique
Résumé
BACKGROUND: As part of a program of the first National Population Health Study of Neurological Conditions launched in 2009, a series of microsimulation models of neurological conditions (called POHEM-Neurological meta-model) was developed to project health and economic impacts of seven neurological conditions (NCs)-Alzheimer's disease and other dementias, cerebral palsy, epilepsy, multiple sclerosis, Parkinson's disease, traumatic brain injury, and traumatic spinal cord injury-over a 20-year horizon. DATA AND METHODS: The common framework of the seven models allows for dynamic, continuous-time, discrete-event simulation of synthetic large populations in which persons are subject to the risk of developing the NC under study and are assigned a value of functional health and a probability of receiving a caregiver and of entering long-term care. Calculations for transitions are done every year over the life course, and costs are accumulated throughout the life of the synthetic person. The need to reconcile empirical estimates of incidence and mortality with prevalence required implementation of "cure" parameters for two of the NCs. RESULTS: The POHEM-Neurological meta-model integrates the latest Canadian microdata on neurological conditions and satisfies most criteria for validation of microsimulation models, including conceptualization, computer implementation, assessment of output plausibility, and comparison with external data. Limitations include an absence of risk factors and the lack of uncertainty measures. INTERPRETATION: The POHEM-Neurological meta-model has been useful for projections of health and economic impacts of NCs on persons affected and their caregivers, and allows for comparison of specific scenarios to the base case.
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 | 0,001 | 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 ».