MétaCan
Menu
Retour à la cohorte
Enregistrement W2338604303 · doi:10.1093/ofid/ofv133.1428

Validation of Physician Diagnosis of Bordetella pertussis in Alberta, Canada (2004–2014)

2015· article· en· W2338604303 sur OpenAlexaboutno aff
Sumana Fathima, Kimberley Simmonds, Steven J. Drews, Margaret L. Russell

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2015
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueBacterial Infections and Vaccines
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineBordetella pertussisPathogenic organismPediatricsFamily medicineMicrobiology

Résumé

récupéré en direct d'OpenAlex

Background. Pertussis outbreaks are occurring throughout North America. To assess the utility of physician diagnosis in estimating vaccine effectiveness, we sought to validate physician diagnosis of Bordetella pertussis (BP) against laboratory confirmed cases. Alberta has a universal publicly funded health care insurance system. The Alberta Ministry of Health (AH) captures the ICD-9 coded diagnoses for all physician billing records and hospitalizations. All lab positive and epidemiologically linked cases of notifiable diseases, including BP, are also forwarded to public health within AH. All records include a Unique Lifetime Identifier (ULI) for the patient Methods. We used PCR positive cases notified to public health as the gold standard (public health diagnosed). We extracted records with ICD-9 codes of 033, 033.0, 033.1, 033.8, and 033.9 from physician billing and hospitalization databases (physician diagnosed BP). Public health records were deterministically linked with billing and hospitalization data using ULIs. Numbers and proportions of true positive (TP: public health and physician diagnosed), false positive (FP: only physician diagnosed) and false negative (FN: only public health diagnosed) cases were estimated. Sensitivity (SE) was calculated as TP/TP + FN; positive predictive value (PPV) as TP/TP + FP. Physician inaccuracy was calculated as FN/TP + FN. Analysis is ongoing as data are received for negative predictive value and specificity. Results. From public health OR physician diagnosis 7711 cases of BP were identified. Of these, 13% were TP, 27% FN, and 60% were FP. SE of physician diagnosis was 32.5% (95% CI: 30.9%-34.1%) and PPV was 18.0% (95% CI: 17.3%–19.4%). Among 5587 physician diagnosed cases, ICD-9 code 033 (whooping cough) was used in TP and ICD-9 code 033.0 (B. pertussis) was used in FP (86% each). Of the 2124 FN cases 71% were physician diagnosed as “acute respiratory infection” (ICD-9 codes 460-466). Physicians incorrectly diagnosed 67% of public health diagnosed BP cases. Conclusion. Our study demonstrates low sensitivity of physician diagnosis for BP. It also shows that 67% of Alberta physician diagnosed cases of BP are misdiagnoses. Additional lab negative data is essential to estimate negative predictive value and specificity. Disclosures. All authors: No reported disclosures.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,041
Score d'incertitude au seuil0,300

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,000
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,246
Écart entre enseignants0,236 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetBacterial Infections and VaccinesTravaux en français237 207