MétaCan
Menu
Retour à la cohorte
Enregistrement W2330321450 · doi:10.1097/mlr.0000000000000274

Validation of Algorithms to Identify Invasive Electrophysiology Procedures Using Administrative Data in Ontario, Canada

2014· article· en· W2330321450 sur OpenAlexaffabout
Sheldon M. Singh, Lauren Webster, Andrew Calzavara, Harindra C. Wijeysundera

Notice bibliographique

RevueMedical Care · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueAtrial Fibrillation Management and Outcomes
Établissements canadiensUniversity of TorontoSt. Michael's HospitalHealth Sciences CentreInstitute for Clinical Evaluative SciencesSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineAlgorithmAtrial fibrillationDiagnosis codeAtrial flutterGold standard (test)Catheter ablationPositive predicative valueAtrial tachycardiaPredictive valueReimbursementSupraventricular tachycardiaCohortEmergency medicineComputer scienceInternal medicineTachycardiaHealth carePopulation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Administrative database research can provide insight into the real-world effectiveness of invasive electrophysiology procedures. However, no validated algorithm to identify these procedures within administrative data currently exists. OBJECTIVE: To develop and validate algorithms to identify atrial fibrillation (AF), atrial flutter (AFL), supraventricular tachycardia (SVT) catheter ablation procedures, and diagnostic electrophysiology studies (EPS) within administrative data. METHODS: Algorithms consisting of physician procedural billing codes and their associated most responsible hospital diagnosis codes were used to identify potential AF, AFL, SVT catheter ablation procedures and diagnostic EPS within large administrative databases in Ontario, Canada. The potential procedures were then limited to those performed between October 1, 2011 and March 31, 2013 at a single large regional cardiac center (Sunnybrook Health Sciences Center) in Ontario, Canada. These procedures were compared with a gold-standard cohort of patients known to have undergone invasive electrophysiology procedures during the same time period at the same institution. The sensitivity, specificity, positive and negative predictive values of each algorithm was determined. RESULTS: Algorithms specific to each of AF, AFL, and SVT ablation were associated with a moderate sensitivity (75%-86%), high specificity (95%-98%), positive (95%-98%), and negative (99%) predictive values. The best algorithm to identify diagnostic EPS was less optimal with a sensitivity of 61% and positive predictive value of 88%. CONCLUSIONS: Algorithms using a combination of physician procedural billing codes and accompanying most responsible hospital diagnosis may identify catheter ablation procedures within administrative data with a high degree of accuracy. Diagnostic EPS may be identified with reduced accuracy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,305
Score d'incertitude au seuil0,452

Scores Codex et Gemma par catégorie

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

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 Opus0,110
Tête enseignante GPT0,399
Écart entre enseignants0,289 · 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 tête enseignante, 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

Citations16
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMedical CareMême sujetAtrial Fibrillation Management and OutcomesTravaux en français237 207