Comparing two asthma diagnoses using a prospective cohort of young children
Notice bibliographique
Résumé
IntroductionAsthma is the most common chronic illness of childhood and places a large burden on the health care system. Asthma prevalence is commonly measured in national surveys by questionnaire. In Ontario, the Ontario Asthma Surveillance Information System (OASIS) developed a validated health claims diagnosis algorithm using health administrative data.
 Objectives and ApproachThe primary objective of this study was to measure the agreement between the health claims diagnosis algorithm (OASIS diagnosis algorithm) and questionnaire diagnosis (TARGet Kids! diagnosis) of asthma in children younger than 6 years of age. Secondary objectives were to identify concordant and discordant pairs, and to identify factors associated with disagreement.
 A comparison study including 3368 children participating in the TARGet Kids! practice based research network between 2008 and 2013 in Toronto, Canada. OASIS diagnosis algorithm and TARGet Kids! diagnosis asthma cases were compared using kappa statistic, sensitivity, specificity, positive predictive value (PPV) and negative predictive value (NPV).
 ResultsPrevalence of asthma was estimated to be 15% by the OASIS diagnosis algorithm and 7% by TARGet Kids! diagnosis. The Kappa statistic was 0.47 (95% CI: 0.42 – 0.51), sensitivity 82\%, specificity 90%, PPV 38% and NPV 98% for OASIS diagnosis algorithm using TARGet Kids! diagnosis as the criterion standard. There were 3011 concordant pairs (2820 true negatives and 191 true positives) and 357 discordant pairs (315 false positives and 42 false negatives). Statistically significant factors associated with false positives included: male sex, higher zBMI and history of allergy. No statistically significant factors associated with false negatives were identified.
 Conclusion/ImplicationsOASIS diagnosis algorithm had high sensitivity, specificity, and NPV but low PPV relative to TARGet Kids! diagnosis of asthma. Although, the OASIS diagnosis may identify more asthma cases in young children, its diagnostic properties are similar in older children and it may be a useful tool for longitudinal asthma surveillance.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».