MétaCan
Menu
Retour à la cohorte
Enregistrement W2889974878 · doi:10.23889/ijpds.v3i4.1013

Identifying Knowledge Gaps with Administrative Health Data: A Cohort Study of Traumatic and Non-Traumatic Spinal Cord Injury in Alberta

2018· article· en· W2889974878 sur OpenAlexaffabout
Jeffrey A. Bakal, Chester Ho, Nicole McKenzie, Jack M. S. Yeung

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueEmergency and Acute Care Studies
Établissements canadiensUniversity of CalgaryUniversity of AlbertaAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésMedicinePopulationSpinal cord injuryCohortAmbulatoryDiagnosis codeDemographicsEmergency medicineHealth careDemographyFamily medicineEnvironmental healthPsychiatryInternal medicine

Résumé

récupéré en direct d'OpenAlex

IntroductionThe Spinal Cord Injury (SCI) population consists of two main sub-groups: traumatic (TSCI) and non-traumatic (NTSCI). TSCI has been studied; however less attention has been given to NTSCI. It is important to understand both SCI sub-groups for identification of knowledge gaps and subsequent health service planning.
 Objectives and ApproachThe goal is to study the SCI population (both TSCI and NTSCI) in Alberta, Canada, leveraging recent administrative health data. It is difficult to identify NTSCI patients for their heterogeneous conditions, and relatively low prevalence. Consequently, we followed a validated algorithm using particular ICD-10-CA codes, to identify (and index) adult SCI patients from Ambulatory and Inpatient records between April 1, 2006 and March 31, 2016.
 Indexed patients were linked to various databases (inpatient, ambulatory, physician claims, provincial insurance registry), and analyzed in multiple perspectives such as demographics patterns, deaths, resource and cost utilization, geographic distribution, and care equity between groups.
 ResultsThrough 10 years of data we have identified 5217 SCI patients (3309 TSCI; 1908 NTSCI). 68.7% TSCI and 58.6% NTSCI are male. NTSCI patients are approximately 10 years older (46.3 TSCI; 54.5 NTSCI), and have a 3-point higher Charlson score. 1-year mortality in NTSCI is approximately 2.4 times the TSCI group.
 Hospitalizations, ER visits, critical care time have also been examined. Patients with NTSCI had a higher median index LOS (14 days IQR (4-51)) compared to the traumatic group who had much higher variability (11 days IQR (11-65.5)). Noted 13.7% NTSCI patients and 19.5% TSCI do not have hospitalizations after index (a diverse characteristic of SCI). Resource Intensity Weights, physician billing, rural-urban area utilization have also been compared between the sub-groups.
 Conclusion/ImplicationsWith the use of administrative databases and a validated algorithm, we described a diverse patient cohort with two main sub-groups (TSCI/NTSCI). Both groups were analyzed upon multiple topics and showed variations. Our results have provided updated knowledge of a comprehensive SCI population in Alberta, Canada, and may lead to improvements on care-giving model.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,631

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,184
Tête enseignante GPT0,510
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetEmergency and Acute Care StudiesTravaux en français237 207