Completeness and accuracy of anthropometric measurements in electronic medical records for children attending primary care
Notice bibliographique
Résumé
BACKGROUND: Electronic medical records (EMRs) from primary care may be a feasible source of height and weight data. However the use of EMRs in research has been impeded by lack of standardization of EMRs systems, data access and concerns about the quality of the data. OBJECTIVES: The study objectives were to determine the data completeness and accuracy of child heights and weights collected in primary care EMRs, and to identify factors associated with these data quality attributes. METHODS: A cross-sectional study examining height and weight data for children <19 years from EMRs through the Electronic Medical Records Administrative data Linked Database (EMRALD), a network of family practices across the province of Ontario. Body mass index z-scores were calculated using the WHO Growth Standards and Reference. RESULTS: A total of 54,964 children were identified from EMRALD. Overall, 93% had at least 1 complete set of growth measurements to calculate a BMI z-score. 66.2% of all primary care visits had complete BMI z-score data. After stratifying by visit type 89.9% of well-child visits and 33.9% of sick visits had complete BMI z-score data; incomplete BMI z-score was mainly due to missing height measurements. Only 2.7% of BMI z-score data were excluded due to implausible values. CONCLUSIONS: Data completeness at well-child visits and overall data accuracy were greater than 90%. EMRs may be a valid source of data to provide estimates of obesity in children who attend primary care.
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 | 0,017 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».