Diagnostic Accuracy of Transient Ischemic Attack from Physician Claims
Notice bibliographique
Résumé
BACKGROUND: Hospitalization data underestimate the occurrence of transient ischemic attack (TIA). As TIA is frequently diagnosed in primary care, methodologies for the accurate ascertainment of a TIA from physician claims data are required for surveillance and health systems planning in this population. The present study evaluated the diagnostic accuracy of multiple algorithms for TIA from a longitudinal population-based physician billing database. METHODS: Population-based administrative data from the province of British Columbia were used to identify the base population (1992-2007; N=102,492). Using discharge records for hospital admissions for acute ischemic stroke with a recent (<90 days) TIA as the reference standard, we performed receiver-operating characteristic analyses to calculate sensitivity, specificity, positive and negative predictive values and overall accuracy, and to compare area under the curve for each physician billing algorithm. To evaluate the impact of different case definitions on population-based TIA burden, we also estimated the annual TIA occurrence associated with each algorithm. RESULTS: Physician billing algorithms showed low to moderate sensitivity, with the algorithm for two consecutive physician visits within 90 days showing the highest sensitivity at 37.7% (CI 95%=37.4-38.1). All algorithms demonstrated high specificity and moderate to high overall accuracy, resulting in low positive predictive values (≤5%), low discriminability (0.53-0.57) and high false positive rates (1 - specificity). Population-based estimates of TIA occurrence were comparable to prior studies and declined over time. CONCLUSIONS: Physician billing data have insufficient sensitivity to identify TIAs but may be used in combination with hospital discharge data to improve the accuracy of estimating the population-based occurrence of TIAs.
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 | 0,009 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».