Predictive models of disease burden at diagnosis in persons with adult-onset ulcerative colitis using health administrative data
Notice bibliographique
Résumé
BACKGROUND: Health administrative data is increasingly used to conduct population-based health services research. A major limitation of these data for the study of inflammatory bowel diseases is the absence of detailed clinical information relating to disease burden. We used Ontario health administrative data to develop predictive models of disease burden at diagnosis in ulcerative colitis (UC) patients for future use in population-based studies of incident UC cohorts. METHODS: Through chart review, we characterized macroscopic colitis activity and extent at diagnosis in consecutive adult-onset UC patients diagnosed at The Ottawa Hospital between 2001 and 2012. We linked this cohort to Ontario health administrative data to test the capacity of administrative variables to discriminate different levels of disease activity, disease extent and the disease burden (a composite of disease extent and activity). We modelled outcomes as binary (using logistic regression) and ordinal (using proportional odds regression) variables and performed bootstrap validation of our final models. RESULTS: We tested 20 administrative variables in 587 eligible patients. The logistic model of total disease burden (severe and extensive colitis vs. all other phenotypes) showed moderate discriminatory capacity (optimism-corrected c-statistic value 0.729). Individual models of disease extent and disease activity showed poorer discriminatory capacity (c-statistic value < 0.7 for 3 of 4 models). CONCLUSIONS: Ontario health administrative data may reasonably discriminate levels of total disease burden at diagnosis in adult-onset UC patients. Our models should be externally validated before their widespread application in future population-based studies of incident UC cohorts to adjust for the confounding effects of differences in disease burden.
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 | 0,000 | 0,000 |
| 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 ».