Accuracy of Blood Transfusion Records in a Population-based Perinatal Data Registry
Notice bibliographique
Résumé
BACKGROUND: Blood transfusion is frequently used as an indicator of severe maternal morbidity during pregnancy. However, few studies have examined its validity in population perinatal databases. METHODS: We linked a perinatal database from British Columbia, Canada, with the province's Central Transfusion Registry for 2004-2015 deliveries. Using the Central Transfusion Registry records for red blood cell transfusion as the gold standard, we calculated the sensitivity, specificity, positive predictive value, and negative predictive value of the perinatal database variable for red blood cell transfusion, overall and by transfusion risk factor status. We used multivariable logistic regression to examine whether outcome misclassification altered the odds ratios for different transfusion risk factors. RESULTS: Among 473,688 deliveries, 4,033 (8.5 per 1,000) had a red blood cell transfusion according to the Central Transfusion Registry. The sensitivity of the perinatal database transfusion variable was 72.3 [95% confidence interval (CI) = 72.2, 72.4]. Sensitivity differed according to the presence of many transfusion risk factors (e.g., 84.9% vs. 72.2% in deliveries with versus without uterine rupture). Odds ratios associated with some transfusion risk factors were exaggerated when the perinatal database transfusion variable was used to define the outcome instead of the Central Transfusion Registry variable, but 95% confidence intervals for these estimates overlapped. CONCLUSION: Blood transfusion was documented with reasonable sensitivity in this large population perinatal database. However, validity varied according to risk factor status. Our findings enable researchers to better account for outcome misclassification in studies of obstetrical transfusion risk factors.
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 | 0,003 |
| 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 | 0,000 | 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 ».