Assessment of recording bias in pregnancy studies using health care databases: An application to neurologic conditions
Notice bibliographique
Résumé
BACKGROUND: Pre-existing conditions are imperfectly recorded in health care databases. We assessed whether pre-existing neurologic conditions (epilepsy, multiple sclerosis [MS]) were differentially recorded in the presence of major obstetric outcomes (Caesarean delivery, preterm delivery, preeclampsia) in delivery records. We also evaluated the impact of differential recording on measures of frequency and association between the conditions and outcomes. METHODS: The 2011-2014 Truven Health MarketScan® Commercial Claims Dataset was used to identify pregnancies. We calculated the relative recording of epilepsy and MS at delivery hospitalization compared with a 270-day pre-delivery window both overall and by the presence of major obstetric outcomes. We estimated risk ratios for the association between epilepsy and MS with the outcomes for each ascertainment window. RESULTS: We identified 909 065 pregnancies in women continuously enrolled from 270-days before the delivery date. Of women with epilepsy identified in the pre-delivery window, 73% had the condition coded at delivery. For MS, the proportion was 60%. MS recording at delivery did not vary by obstetric outcomes, however, delivery-coded epilepsy was less likely confirmed in the pre-delivery window in the presence of preeclampsia. Generally, the period of ascertainment did not meaningfully impact risk ratios, however, the risk ratio for preeclampsia associated with epilepsy was 1.67 (95% CI 1.47, 1.90) when epilepsy was ascertained at delivery and 1.26 (95% CI 1.07, 1.48) when epilepsy was ascertained in the pre-delivery window (heterogeneity, P = .007). CONCLUSIONS: Ascertainment of epilepsy and MS in delivery hospitalization records underestimated prevalence. However, the window of recording generally did not impact risk ratio estimates of associations with obstetric outcomes.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».