Validity of Administrative Databases in Comparison to Medical Charts for Breast Cancer Treatment Data
Notice bibliographique
Résumé
Objective . Medical chart abstraction is the gold standard for collecting breast cancer treatment data for monitoring and research. A less costly alternative is the use of administrative databases. This study will evaluate administrative data in comparison to medical charts for breast cancer treatment information. Study Design and Setting . A retrospective cohort design identified 2,401 women in the Ontario Breast Screening Program diagnosed with invasive breast cancer from 2006 to 2009. Treatment data were obtained from the Activity Level Reporting and Canadian Institute of Health Information databases. Medical charts were abstracted at cancer centres. Sensitivity, specificity, positive and negative predictive value, and kappa were calculated for receipt and type of treatment, and agreement was assessed for dates. Logistic regression evaluated factors influencing agreement. Results . Sensitivity and specificity for receipt of radiotherapy (92.0%, 99.3%), chemotherapy (77.7%, 99.2%), and surgery (95.8%, 100%) were high but decreased slightly for specific radiotherapy anatomic locations, chemotherapy protocols, and surgeries. Agreement increased by radiotherapy year (trend test,<mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mml:mi>p</mml:mi><mml:mo><</mml:mo><mml:mn fontstyle="italic">0.0001</mml:mn></mml:math>). Stage II/III compared to stage I cancer decreased odds of agreement for chemotherapy (OR = 0.66, 95% CI: 0.48–0.91) and increased agreement for partial mastectomy (OR = 3.36, 95% CI: 2.27–4.99). Exact agreement in treatment dates varied from 83.0% to 96.5%. Conclusion . Administrative data can be accurately utilized for future breast cancer treatment studies.
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 | 0,002 | 0,003 |
| 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) | 0,001 | 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 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 ».