Development of an administrative definition for celiac disease
Notice bibliographique
Résumé
OBJECTIVE: The investigation and management of celiac disease places a high burden on the health care system. Accurate methods to ascertain cases of celiac disease (CD) in population-based administrative data can facilitate epidemiologic and health services research to guide disease management. The study aim was to develop and validate administrative data case definitions for CD to facilitate further studies about the effect of CD on osteoporosis and fracture risk. RESULTS: Population-based data from the Manitoba Bone Mineral Density (BMD) Program registry, which contains medical information on all individuals in the province of Manitoba, Canada who have received BMD testing, was used to define the study cohort. Linked hospital discharge abstracts and physician billing claims were used to ascertain diagnoses of celiac disease in administrative data. A population-based CD serologic registry was used as the validation database. One diagnosis code in hospital discharge abstracts or two or more diagnosis codes in physician billing claims optimized the detection of positive celiac serology with sensitivity of 84% (95% CI 80-88%), specificity of 97% (95% CI 80-88%), PPV of 80% (95% CI 80-88%), and NPV of 97% (95% CI 80-88%). Our administrative data case definition for celiac disease demonstrates good sensitivity and specificity for detecting positive celiac serology.
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 | 0,001 |
| 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 ».