Identifying Ontario geographic regions to assess adults who present to hospital with laboratory-defined conditions: a descriptive study
Notice bibliographique
Résumé
BACKGROUND: In 2007, an electronic repository called the Ontario Laboratories Information System (OLIS) was introduced to allow health care providers timely access to laboratory test results. Since not all laboratories began submitting their data to OLIS simultaneously, we sought to create a date-dependent table of geographic regions (forward sortation areas [FSAs]) from which people would likely present to a hospital linked to OLIS. METHODS: In this descriptive study, we used administrative data to capture adults in Ontario who presented to the emergency department for any reason from 2007 to 2017. To assess changes over time, we classified all emergency department visits into fiscal quarters. The primary outcome measure was the proportion of people in a given FSA presenting to an emergency department at an OLIS-linked hospital (v. a hospital not linked to OLIS). To be included in the catchment area, at least 90% of all emergency department visits in a given quarter from a given FSA must have occurred at an OLIS-linked hospital. RESULTS: By Dec. 31, 2017, 323 (61.4%) of 526 Ontario FSAs were in the catchment area (a population of about 8.5 million). There were no differences in selected demographic characteristics or comorbidities between people residing within the catchment area of OLIS-linked hospitals and those residing in the catchment area of unlinked hospitals on Dec. 31, 2017. We used the FSA information to construct a date-dependent table of geographic areas likely to have hospital laboratory data available in OLIS for future studies. INTERPRETATION: We identified relevant Ontario geographic regions from which people would likely present to a hospital linked to OLIS. These geographic regions constitute a catchment area that may be used in future studies to capture adults who present to an OLIS-linked hospital with laboratory-defined conditions such as acute kidney injury, hyperkalemia and hyponatremia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».