MétaCan
Menu
Retour à la cohorte
Enregistrement W2737570340 · doi:10.1161/circoutcomes.4.suppl_2.ap71

Abstract P71: The Accuracy of Coded Obesity in an Administrative Database

2011· article· en· W2737570340 sur OpenAlexaffabout
Billie‐Jean Martin, Guanmin Chen, Diane Galbraith, Merril L. Knudtson, William A. Ghali, Hude Quan

Notice bibliographique

RevueCirculation Cardiovascular Quality and Outcomes · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueCardiovascular Health and Risk Factors
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésObesityMedicineDiagnosis codeMedical diagnosisPopulationCoding (social sciences)Predictive valueDatabasePositive predicative valueDemographyEnvironmental healthInternal medicineStatisticsPathologyComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Objective: Obesity is becoming an increasingly prevalent problem. Gathering information on the adiposity of a population is difficult, so being able to take advantage of existing data, such as that in administrative databases, is appealing. The objective of our study was to assess the validity of obesity coding in administrative databases. Methods: This study was conducted using the Alberta Provincial Project for Outcomes Assessment in Coronary Heart Disease (APPROACH) database and the Discharge Abstract Database (DAD) for Calgary. BMI was calculated within APPROACH; BMI ≥30kg/m2 defined obesity. In the DAD obesity was defined by diagnosis codes 278 (ICD-9-CM) and E65-E68 (ICD-10). Databases were linked using provincial health numbers. The sensitivity, specificity, negative predictive value (NPV) and positive predictive value (PPV) of a diagnosis of obesity in the DAD was determined using the obesity diagnosis in APPROACH as the referent. The accuracy of coding obesity was compared across demographic categories and diagnoses. Results: A total of 17,380 subjects included in the analysis. The study population was largely male (68.8%) and had a mean BMI of 26.96 kg/m2. The overall sensitivity of a diagnosis of obesity in the administrative data was 7.75%. However, it was highly specific at 98.98%, with a NPV of 80.84% and a PPV of 65.94%. When considered by year, there were minor variations in the sensitivity of obesity coding in the administrative data, but it remained poor at under 10% throughout. The prevalence of obesity and the PPV was higher amongst those subjects with conditions associated with obesity, including diabetes and hypertension. Of those coded obese in DAD, the majority (72.89%) were Class I obese; of those not coded obese, 84.31% were Class I obese. Conclusions: Obesity coding in the DAD is poor, as reflected in the low sensitivity of the diagnostic code. However, once obesity is coded in this database, it is coded highly accurately. At present, using administrative databases to define cohorts of obese subjects for surveillance is not a viable option.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,546

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,201
Tête enseignante GPT0,393
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCirculation Cardiovascular Quality and OutcomesMême sujetCardiovascular Health and Risk FactorsTravaux en français237 207