Estimation de l'exhaustivité des données de facturation des médecins pour la détermination des cas de diabète au moyen des données sur les médicaments d'ordonnance
Notice bibliographique
Résumé
Introduction Les changements dans les politiques de remboursement des médecins peuvent faire obstacle à la collecte des données administratives de facturation des médecins, ce qui pourrait mener à des estimations biaisées de la prévalence et de l’incidence des maladies. L’ampleur de cette perte potentielle de données demeure cependant largement inconnue. Notre étude vise à estimer l’exhaustivité de la couverture des cas de maladie pour le Manitoba par les médecins rémunérés à l’acte (RA) et par les médecins non rémunérés à l’acte (NRA). Méthods Les donnés administratives du Manitoba ont servi à créer une cohorte dont les membres (20 ans et plus) devaient avoir pris un nouveau médicament pour le diabète entre le 1er avril 2007 et le 31 mars 2009. Ces membres ont été classés par mode de paiement du médecin prescripteur (c’est-à-dire rémunérés à l’acte ou non rémunérés à l’acte), puis selon s’ils avaient ou non reçu de diagnostic de diabète d’après les données de facturation des médecins et des dossiers d’hôpitaux. On a utilisé des analyses statistiques w2 pour tester les différences de caractéristiques entre les deux groupes. Résultats La cohorte se composait de 12 394 individus, dont 86,4 % avaient reçu une ordonnance de médicament pour le diabète d’un médecin RA. Au total, 1 172 médecins (81,8 % RA) ont prescrit ce type de médicaments pour la cohorte. Les membres de la cohorte ayant reçu une ordonnance d’un médecin RA étaient plus âgés et plus susceptibles de résider dans la région sanitaire de Winnipeg que ceux qui avaient reçu une ordonnance d’un médecin NRA. Un plus grand pourcentage de cas traités par des médecins NRA n’avait pas reçu de diagnostic de diabète (18,7 %, contre 14,9 % pour les médecins RA). Conclusion Les résultats suggèrent une perte minimale de données de facturation des médecins associée aux politiques de rémunération au Manitoba. Cette méthode d’évaluation de l’exhaustivité des données pourrait être appliquée à d’autres maladies chroniques et à d’autres secteurs de compétence.
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 | 0,041 | 0,167 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».