Chronic Disease Population Risk Tool (CDPoRT): a study protocol for a prediction model that assesses population-based chronic disease incidence
Notice bibliographique
Résumé
Population-based risk prediction tools exist for individual chronic diseases. From a population health perspective, studying chronic diseases together provides a comprehensive view of the burden of disease in the population. Thus, public health officials and health policymakers would benefit from a prediction tool that measures the incidence of chronic diseases compositely. This study protocol proposes the development and validation of the Chronic Disease Population Risk Tool (CDPoRT) that will predict the incidence of six chronic diseases in the population setting using multivariable modeling techniques. CDPoRT will be built using population-based responses to the first six cycles of the Canadian Community Health Survey linked to health administrative data in Ontario and Manitoba from 2000 to 2014. Predictors including modifiable lifestyle risk factors (i.e., alcohol consumption, cigarette smoking, diet, and physical activity) will be used to predict time-to-chronic disease incidence (i.e., congestive heart failure, chronic obstructive pulmonary disease, diabetes, lung cancer, myocardial infarction, and stroke including transient ischemic heart attack). Sex-specific Royston-Parmar models will be used for model development and validation with death free of chronic disease as a competing risk. CDPoRT will be developed using an Ontario derivation cohort consisting of 47,960 females and 38,267 males with 7035 and 6220 chronic disease events, respectively. The model will be validated using split-sample validation using an Ontario validation cohort consisting of 20,325 females and 16,627 males with 2972 and 2658 chronic disease events, respectively. The model will be externally validated in the Manitoba validation cohort (i.e., geographic validation) expected to consist of 11,800 females and 9700 males with 1650 and 1550 chronic disease events, respectively. Measures of overall predictive accuracy (e.g., Nagelkerke’s R 2 ), discrimination (e.g., Harrell’s concordance statistic), and calibration (e.g., calibration plots) will be used to assess predictive performance. To the extent of our knowledge, CDPoRT will be the first population-based regression prediction model that will predict the incidence of multiple chronic diseases simultaneously at the population level.
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 | 0,062 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,010 |
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 ».