Accuracy of health administrative data to identify cases of reportable travel or migration-related infectious diseases in Ontario, Canada
Notice bibliographique
Résumé
An ongoing challenge of estimating the burden of infectious diseases known to disproportionately affect migrants (e.g. malaria, enteric fever) is that many health information systems, including reportable disease surveillance systems, do not systematically collect data on migrant status and related factors. We explored whether health administrative data linked to immigration records offered a viable alternative for accurately identifying cases of hepatitis A, malaria and enteric fever in Ontario, Canada. Using linked health care databases generated by Ontario's universal health care program, we constructed a cohort of medically-attended individuals with presumed hepatitis A, malaria or enteric fever in Peel region using diagnostic codes. Immigrant status was ascertained using linked immigration data. The sensitivity and positive predictive value (PPV) of diagnostic codes was evaluated through probabilistic linkage of the cohort to Ontario's reportable disease surveillance system (iPHIS) as the reference standard. Linkage was successful in 90.0% (289/321) of iPHIS cases. While sensitivity was high for hepatitis A and enteric fever (85.8% and 83.7%) and moderate for malaria (69.0%), PPV was poor for all diseases (0.3-41.3%). The accuracy of diagnostic codes did not vary by immigrant status. A dated coding system for outpatient physician claims and exclusion of new immigrants not yet eligible for health care were key challenges to using health administrative data to identify cases. Despite this, we show that linkages of health administrative and immigration records with reportable disease surveillance data are feasible and have the potential to bridge important gaps in estimating burden using either data source independently. .
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 | 0,006 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».