MétaCan
Menu
← Retour à la cohorte
Enregistrement W2912631864 · doi:10.14309/00000434-200709002-00850

Derivation and Validation of an Algorithm To Identify Helicobacter pylori Infected Patients Using Administrative Data

2007· article· en· W2912631864 sur OpenAlexaff
Neena S. Abraham, Ranil DeSilva, Peter Richardson

Notice bibliographique

RevueThe American Journal of Gastroenterology · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueHelicobacter pylori-related gastroenterology studies
Établissements canadiensBC Studies
Organismes subventionnairesnon disponible
Mots-clésMedicineInternal medicineAlgorithmDiagnosis codeHelicobacter pyloriCohortLogistic regressionMedical prescriptionPopulation

Résumé

récupéré en direct d'OpenAlex

Purpose: To validate VA administrative data for the diagnosis of H. pylori infected patients. Methods: National pharmacy, inpatient and outpatient administrative databases identified patients with an ICD-9 code for H. pylori (041.86) and those with prescriptions for eradication therapy from 01/01/03 to 12/31/03. Primary chart abstraction was used to confirm diagnosis of H. pylori based on antibody serology, urease breath testing, histopathology, or progress notes. Multivariable regression assessed predictors of H. pylori infection considering: prescription of eradication drug therapy, ICD-9 code, EGD procedure code, source of diagnostic code (inpatient or outpatient), age, gender and race. The c-statistic was calculated to assess the discriminant ability of the algorithm. Once derived this algorithm was validated in a cohort of patients from calendar year 2005 (N = 312). Results: The test cohort consisted of 581 patients (378 potential cases; 203 random controls) who were primarily male (94%), Caucasian (59%) and elderly (67 years [SD 10]). ICD-9 code 041.86 had the greatest positive predictive value (PPV) for H. pylori (PPV 100% if from an inpatient encounter; PPV 97.4% if from an outpatient encounter). Evidence of eradication drug therapy was associated with a PPV of 73.7% (triple therapy) and 97.7% (quadruple therapy). Multivariable regression revealed the strongest predictors to be outpatient ICD-9 code 041.86 (OR 8.1; 95% CI: 7.0–9.1); eradication drug therapy (OR 7.4; 95% CI: 6.6–8.3); EGD (OR 3.5; 95% CI: 3.3–3.6); and age ≥ 70 (OR 1.2; 95% CI: 1.1–1.4). A diagnostic algorithm including eradication drug therapy, ICD-9 diagnostic code 041.86 and age ≥ 70 yielded a c-statistic of 0.93, suggesting excellent discriminant ability. When this algorithm was tested in a validation cohort from calendar year 2005, the PPV was 97.9% with a NPV of 98.8%. Conclusion: Administrative data can be used to accurately diagnose H. pylori infected patients. The optimal diagnostic algorithm includes presence of eradication drug therapy overlapping with an outpatient ICD-9 code 041.86 among elderly adults.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,019
score de la tête « metaresearch » (Gemma)0,068
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,019
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,068
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,002
Études des sciences et des technologies0,0010,000
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,049
Tête enseignante GPT0,361
Écart entre enseignants0,312 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe American Journal of Gastroenterology→Même sujetHelicobacter pylori-related gastroenterology studies→Travaux en français237 207→