Does concordance between survey responses and administrative records differ by ethnicity for prescription medication?
Notice bibliographique
Résumé
BACKGROUND: Self-reported prescription medication use data is often used to measure differences across ethnic groups, but its accuracy may differ across ethnic groups. OBJECTIVE: We compared ethnic groups' self-reported medication use to their administrative records for respondents with diabetes, hypertension, and asthma. METHODS: We linked the Canadian Community Health Survey to administrative prescription drug records for 17,191 respondents in British Columbia, Canada. We evaluated the concordance between self-reported medication use and prescription drug records using positive predictive value, negative predictive value, sensitivity, specificity, and kappa statistic for self-identified Whites, Chinese, South Asians, and Southeast Asians/Filipinos. The concordance was calculated using prescription drug records as the reference standard. We also estimated the odds of disagreement (either a false positive or negative) in medication use with logistic regressions for each ethnic group, and compared them using the Blinder-Oaxaca method. RESULTS: We found that Chinese had the worst positive predictive value for asthma medication use at 0.41, while South Asians had the worst sensitivity for hypertension medication use at 0.60. The difference in reporting an error between ethnic groups was likely explained by differences in respondent characteristics. Particularly, if White respondents had the same characteristics as South Asians, then White respondents would have had 1.031 (95% CI: 1.020-1.041) higher odds of disagreement for hypertension medication use than with their own characteristics. CONCLUSION: Self-reported medication use may be a valid measure of ethnic groups' medication use if ethnic differences in characteristics, like household income are held constant. However, an important determinant of validity for all ethnic groups is whether medications are used routinely, or for a specific episode.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,034 | 0,131 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».