Deriving a Passive Surveillance Stroke Severity Indicator From Routinely Collected Administrative Data: The PaSSV Indicator
Notice bibliographique
Résumé
BACKGROUND: Adjusting for stroke severity is crucial for stroke outcomes research. However, this information is not available in administrative healthcare data. We aimed to derive an indicator of baseline stroke severity using these data. METHODS AND RESULTS: We identified patients with stroke enrolled in a population-based registry in Ontario, Canada, and used the Canadian Neurological Scale (CNS), documented in the registry, as a measure of stroke severity. We derived an estimated CNS from a linear regression model in which we regressed the observed CNS on predictor variables: age, sex, arrival by ambulance, interhospital transfer, mechanical ventilation, and an emergency department triage score. The effect of stroke severity on the estimated hazard ratios for 30-day mortality was determined in 3 Cox-proportional hazards models with (1) no CNS, (2) observed CNS, and (3) estimated CNS, all adjusted for age, sex, Charlson index, and stroke type. We assessed model discrimination using C statistics. To assess for construct validity, we repeated these analyses in a subset of patients with documented National Institute of Health Stroke Scale and in a cohort of patients with stroke external to the registry. We derived the estimated stroke severity in 41 481 patients (48.7% female, median age of 75 years [interquartile range, 64- 83]). The magnitude of the association between stroke severity and mortality was similar for the observed and estimated CNS. The discriminative ability of the Cox-proportional hazards models to predict mortality was highest when the observed CNS was included (C statistic, 0.82 [95% CI, 0.81-0.82]), moderate with estimated CNS (0.76 [0.75-0.76]), and lowest without CNS (0.69 [0.69-0.70]. Our findings were replicated with the National Institute of Health Stroke Scale and in the external cohort. CONCLUSIONS: We derived an estimated measure of stroke severity using administrative data. This can be applied for risk adjustment in population-based stroke outcomes research and in assessments of health system performance.
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 | 0,002 |
| 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 | 0,000 | 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 ».