Identification of Pediatric Autism Spectrum Disorder Cases Using Health Administrative Data
Notice bibliographique
Résumé
Administrative data are frequently used to identify Autism Spectrum Disorder (ASD) cases in epidemiological studies. However, validation studies on this mode of case ascertainment have lacked access to high-quality clinical diagnostic data and have not followed published reporting guidelines. We report on the diagnostic accuracy of using readily available health administrative data for pediatric ASD case ascertainment. The validation cohort included almost all the ASD-positive children born in British Columbia, Canada from April 1, 2000 to December 31, 2009 and consisted of 8,670 children in total. 4,079 ASD-positive and 2,787 ASD-negative children were identified using Autism Diagnostic Observation Schedule (ADOS) and Autism Diagnostic Interview-Revised (ADI-R) assessments done through the British Columbia Autism Assessment Network (BCAAN). An additional 1,804 ADOS/ADI-R assessed ASD-positive children were identified using Ministry of Education records. This prospectively collected clinical data (the diagnostic gold standard) was then linked to each child's physician billing and hospital discharge data. The diagnostic accuracy of 11 algorithms that used the administrative data to assign ASD case status was assessed. For all algorithms, high positive predictive values (PPVs) were observed alongside low values for other measures of diagnostic accuracy illustrating that PPVs alone are not an adequate measure of diagnostic accuracy. We show that British Columbia's health administrative data cannot reliably be used to discriminate between children with ASD and children with other developmental disorders. Utilizing these data may result in misclassification bias. Methodologically sound, region-specific validation studies are needed to support the use of administrative data for ASD case ascertainment. Autism Res 2020, 13: 456-463. © 2019 International Society for Autism Research, Wiley Periodicals, Inc. LAY SUMMARY: Health administrative data are frequently used to identify Autism Spectrum Disorder (ASD) cases for research purposes. However, previous validation studies on this sort of case identification have lacked access to high-quality clinical diagnostic data and have not followed published reporting guidelines. We show that British Columbia's health administrative data cannot reliably be used to discriminate between children with ASD and children with other developmental disorders.
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».