Identification of validated case definitions for medical conditions used in primary care electronic medical record databases: a systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Objectives: Data derived from primary care electronic medical records (EMRs) are being used for research and surveillance. Case definitions are required to identify patients with specific conditions in EMR data with a degree of accuracy. The purpose of this study is to identify and provide a summary of case definitions that have been validated in primary care EMR data. Materials and Methods: We searched MEDLINE and Embase (from inception to June 2016) to identify studies that describe case definitions for clinical conditions in EMR data and report on the performance metrics of these definitions. Results: We identified 40 studies reporting on case definitions for 47 unique clinical conditions. The studies used combinations of International Classification of Disease version 9 (ICD-9) codes, Read codes, laboratory values, and medications in their algorithms. The most common validation metric reported was positive predictive value, with inconsistent reporting of sensitivity and specificity. Discussion: This review describes validated case definitions derived in primary care EMR data, which can be used to understand disease patterns and prevalence among primary care populations. Limitations include incomplete reporting of performance metrics and uncertainty regarding performance of case definitions across different EMR databases and countries. Conclusion: Our review found a significant number of validated case definitions with good performance for use in primary care EMR data. These could be applied to other EMR databases in similar contexts and may enable better disease surveillance when using clinical EMR data. Consistent reporting across validation studies using EMR data would facilitate comparison across studies. Systematic review registration: PROSPERO CRD42016040020 (submitted June 8, 2016, and last revised June 14, 2016).
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.
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 | 0,028 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 découle