Administrative Claims Data Versus Augmented Pregnancy Data for the Study of Pharmaceutical Treatments in Pregnancy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Administrative claims databases, which collect reimbursement-related information generated from healthcare encounters, are increasingly used to evaluate medication safety in pregnancy. We reviewed the strengths and limitations of claims-only databases and how other data sources may be used to improve the accuracy and completeness of information critical for studying medication safety in pregnancy. RECENT FINDINGS: Research on medication safety in pregnancy requires information on pregnancy episodes, mother-infant linkage, medication exposure, gestational age, maternal and birth outcomes, confounding factors, and (in some studies) long-term follow-up data. Claims data reliably identifies live births and possibly other pregnancies. It allows mother-infant linkage and has prospectively collected prescription medication information. Its diagnosis and procedure information allows estimation of gestational age. It captures maternal medical conditions but generally has incomplete data on reproductive and lifestyle factors. It has information on certain, typically short-term maternal and infant outcomes that may require chart review confirmation. Other data sources including electronic health records and birth registries can augment claims data or be analyzed alone. Interviews, surveys, or biological samples provide additional information. Nationwide and regional birth and pregnancy registries, such as those in several European and North American countries, generally contain more complete information essential for pregnancy research compared to claims-only databases. SUMMARY: Claims data offers several advantages in medication safety in pregnancy research. Its limitations can be partially addressed by linking it with other data sources or supplementing with primary data collection. Rigorous assessment of data quality and completeness is recommended regardless of data sources.
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.
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 | 0,003 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 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 | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle