MétaCan
Menu
← Retour à la cohorte
Enregistrement W2939855539 · doi:10.1136/bmjebm-2018-111070.129

129 Overdiagnosis via computer suggestions for follow up testing: time to hit restart

2018· article· en· W2939855539 sur OpenAlexaffabout
Eric J. Xu, Junyi Mei, Karina Rodríguez-Capote, George Cembrowski

Notice bibliographique

RevuePoster presentations · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensUniversity of AlbertaUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésOverdiagnosisFerritinIncidence (geometry)ReferralIron deficiencyMedicineSerum ferritinHealth carePediatricsInternal medicineFamily medicineAnemiaPolitical scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Objectives Not infrequently, patient laboratory printouts suggest followup tests. In reviewing the report of a 46 year old British Columbia female’s ferritin of 86 ug/L, we were puzzled by the comment: ‘Possible Iron Deficiency’ for ferritins between 50 and 100 ug/L based on 2010 guidelines. This comment medicalizes the patient and she thinks she has iron deficiency; the comment also initiates the cycle of further testing with the end result being the over-ordering of iron-related tests in an individual presumably without a ‘low’akers in the Canadian and British Columbia health care systems, starting at the level of the ministers of health down to the clinical laboratory owners and medical directors. We need a curtailment of these automated comments followed by a medical economics study of the utility of such algorithmic testing. Method In the neighboring province of Alberta, which lacks such ferritin guidelines, we collected 4 months of ferritin and iron results generated in a large urban referral laboratory. We then derived the prevalence of low, normal and high iron for varying ferritins and age groups of female and male patients. Results The association of ferritin to low iron levels is only evident in Albertan women and men with low ferritins. For women, the highest risk of low iron stores is associated with ferritins less than 15 ug/L (26% incidence). For males, increased risks of reduced iron stores are associated with ferritin levels less than 50 ug/L (between 9% to 44% incidence of iron deficiency). For higher ferritins, there appears to be little relationship between higher ferritin and low iron stores (between 3% and 5% incidence). Conclusions The interpretative comment for ferritins of 50 to 100 ug/L is misleading as these normal ferritin levels are not diagnostic of decreased iron. The British Columbia guidelines state that screening for iron deficiency is not indicated in the general population. The interpretive comment implies that regardless of the ferritin value, low iron levels should be ruled out. Such interpretive comments do not make sense and result in increased profitability for today’s highly efficient referral laboratories. Similar ‘diagnostic aids’ exist in many clinical information systems and induce overtesting and overdiagnosis. In the spirit of patient-centric medicine and cost reduction, it is incumbent on the laboratorian to search for, and eliminate such non-value added interpretive comments.

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)0,004
score de la tête « metaresearch » (Gemma)0,042
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,042
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0590,015

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 Opus0,038
Tête enseignante GPT0,318
Écart entre enseignants0,280 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePoster presentations→Même sujetIron Metabolism and Disorders→Travaux en français237 207→