Establishing the Incidence and Prevalence of Multiple Sclerosis in Saskatchewan
Notice bibliographique
Résumé
OBJECTIVE: To validate a case definition of multiple sclerosis (MS) using health administrative data and to provide the first province-wide estimates of MS incidence and prevalence for Saskatchewan, Canada. METHODS: We used population-based health administrative data between January 1, 1996 and December 31, 2015 to identify individuals with MS using two potential case definitions: (1) ≥3 hospital, physician, or prescription claims (Marrie definition); (2) ≥1 hospitalization or ≥5 physician claims within 2 years (Canadian Chronic Disease Surveillance System [CCDSS] definition). We validated the case definitions using diagnoses from medical records (n=400) as the gold standard. RESULTS: The Marrie definition had a sensitivity of 99.5% (95% confidence interval [CI] 92.3-99.2), specificity of 98.5% (95% CI 97.3-100.0), positive predictive value (PPV) of 99.5% (95% CI 97.2-100.0), and negative predictive value (NPV) of 97.5% (95% CI 94.4-99.2). The CCDSS definition had a sensitivity of 91.0% (95% CI 81.2-94.6), specificity of 99.0% (95% CI 96.4-99.9), PPV of 98.9% (95% CI 96.1-99.9), and NPV of 91.7% (95% CI 87.2-95.0). Using the more sensitive Marrie definition, the average annual adjusted incidence per 100,000 between 2001 and 2013 was 16.5 (95% CI 15.8-17.2), and the age- and sex-standardized prevalence of MS in Saskatchewan in 2013 was 313.6 per 100,000 (95% CI 303.0-324.3). Over the study period, incidence remained stable while prevalence increased slightly. CONCLUSION: We confirm Saskatchewan has one of the highest rates of MS in the world. Similar to other regions in Canada, incidence has remained stable while prevalence has gradually increased.
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 | 0,007 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,018 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».