Data variability across Canadian administrative health databases: Differences in content, coding, and completeness
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
PURPOSE: The Canadian Network for Observational Drug Effect Studies (CNODES) is a network of Canadian research centres using administrative data to conduct distributed drug safety and effectiveness studies. In this study, we compare the provincial administrative databases and illustrate the potential impact of database differences on a CNODES study about domperidone and the risk of ventricular tachyarrhythmia and sudden cardiac death (VT/SCD). METHODS: We assessed the impact of varying versions and precision of the International Classification of Diseases coding system in physician claims data, and the content and completeness of hospital discharge abstracts across CNODES sites, as these variations can introduce differences in the study cohorts formed and affect study results. RESULTS: In our study of 214 962 patients, hospital diagnosis type (such as most responsible, admitting, or secondary diagnosis) was missing in some provinces, resulting in misclassification of the outcome and variation in rates and risk estimates. Incidence rates of VT/SCD ranged from 19.8 (95% confidence interval [CI] 17.7-22.2) per 10 000 person-years in British Columbia to 53.4 (95% CI 50.3-56.5) in Quebec. While most provinces reported an increased risk of VT/SCD, a null effect was observed in Quebec (rate ratio 1.06; 95% CI 0.79-1.41). CONCLUSIONS: Distributed analyses allow for rapid responses to drug safety signals. However, variation in characteristics of the administrative data across research centres can influence study results. By identifying the sources of database heterogeneity, one can evaluate the potential biases these differences may introduce, highlighting the importance of considering such variation in distributed networks.
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.
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 | 0,020 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle