The value of complementing administrative data with abstracted information on smoking and obesity: A study in kidney cancer
Notice bibliographique
Résumé
INTRODUCTION: Variables, such as smoking and obesity, are rarely available in administrative databases. We explored the added value of including these data in an administrative database study evaluating the association of statin use with survival in kidney cancer. METHODS: We linked administrative data with chart-abstracted data on smoking and obesity for 808 patients undergoing nephrectomy for kidney cancer. Base models consisted of variables from administrative databases (age, sex, year of surgery, and different measures of comorbidity [to compare their sensitivity to smoking and obesity data]); extended models added chart-abstracted data. We compared coefficients for statin use with overall (OS) and cancer-specific survival (CSS), and used the c-statistic and net reclassification improvement (NRI) to compare predications of five-year survival obtained from Cox proportional hazard models. RESULTS: The coefficient for statin use changed minimally following addition of abstracted data (<6% for OS, <2% for CSS). Base models performed similarly for OS, with c-statistics of 0.75 (95% confidence interval [CI] 0.72-0.79) for Charlson score and 0.73 (95% CI 0.69-0.78) for John Hopkins Aggregated Diagnosis Groups score. After including abstracted data, c-statistics modestly improved (change <0.02); CSS demonstrated similar findings. NRIs were 0.210 (95% CI 0.062-0.297) and 0.186 (-0.031-0.387) when using the Charlson score, and 0.207 (0.068-0.287) and 0.197 (0.007-0.399) when using the Aggregated Diagnosis Groups score, for OS and CSS, respectively. CONCLUSIONS: The inclusion of data on smoking and obesity marginally influences survival models in kidney cancer studies using administrative data.
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 | 0,043 | 0,107 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».