Validation of administrative data case definitions for gestational diabetes mellitus
Notice bibliographique
Résumé
AIM: To examine, using administrative data, the validity of two algorithms for identifying gestational diabetes mellitus: 1) the current National Diabetes Surveillance System algorithm for excluding gestational diabetes cases and 2) gestational diabetes-specific ICD codes in the delivery-related hospitalization. METHODS: This was a retrospective study of all women, aged 18-54 years, residing in Alberta, Canada, with singleton deliveries between 1 April 1999 and 31 March 2010. We linked Alberta Perinatal Health Program data on all deliveries to administrative claims data from Alberta Health using the mother's personal health number. For both gestational diabetes algorithms, we calculated the sensitivity, specificity, positive predictive value, negative predictive value and agreement, using gestational diabetes identified in the Alberta Perinatal Health Program as the 'gold standard'. RESULTS: Our study sample consisted of 411 390 deliveries for 273 152 women. The mean (sd) age was 29.1 (5.6) years and 82.3% of the women were white. Crude rates of gestational diabetes were 3.9% (16 215 cases), 1.3% (5189 cases) and 4.0% (16 440 cases) according to the Alberta Perinatal Health Program, National Diabetes Surveillance System and ICD code-based algorithms, respectively. Compared with the Alberta Perinatal Health Program database, the National Diabetes Surveillance System algorithm had a sensitivity of 25% and specificity of 100%, whereas the gestational diabetes-specific ICD code-based algorithm had a sensitivity of 86% and specificity of 99%. CONCLUSIONS: The National Diabetes Surveillance System algorithm underestimates the number of gestational diabetes cases. A more valid mechanism to identify gestational diabetes prevalence using health administrative data is the use of gestational diabetes-specific ICD-9/10 codes in the delivery hospitalization.
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 | 0,004 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 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 ».