MétaCan
Menu
Retour à la cohorte
Enregistrement W3016646572 · doi:10.1111/dmcn.14536

Healthcare use by children and young adults with cerebral palsy

2020· article· en· W3016646572 sur OpenAlexfundno aff
Bethan Carter, Verity Bennett, Hywel Jones, Jackie Bethel, Oliver Perra, Ting Wang, Alison Kemp

Notice bibliographique

RevueDevelopmental Medicine & Child Neurology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebral Palsy and Movement Disorders
Établissements canadiensnon disponible
Organismes subventionnairesQueen's UniversityPublic Health AgencySwansea UniversityScottish Government
Mots-clésCerebral palsyHealth careMedicinePsychologyPediatricsPhysical medicine and rehabilitationPolitical science

Résumé

récupéré en direct d'OpenAlex

AIM: To link routinely collected health data to a cerebral palsy (CP) register in order to enable analysis of healthcare use by severity of CP. METHOD: The Northern Ireland Cerebral Palsy Register was linked to hospital data. Data for those on the CP register born between 1st January 1981 and 31st December 2009 and alive in 2004 were extracted, forming a CP cohort (n=1684; 57% males, 43% females; aged 0-24y). Frequencies of healthcare events, and the reasons for them, were reported according to CP severity and compared with those without CP who had had at least one hospital attendance in Northern Ireland within the study period. RESULTS: Cases of CP represented 0.3% of the Northern Ireland population aged 0 to 24 years but accounted for 1.6% of hospital admissions and 1.6% of outpatient appointments. They had higher rates of elective admissions and multi-day hospital stays than the general population. Respiratory conditions were the most common reason for emergency admissions. Those with most severe CP were 10 times more likely to be admitted, and four times more likely to attend outpatients, than those with mild CP. INTERPRETATION: Linkage between a register and routinely collected healthcare data provided a confirmed cohort of cases of CP that was sufficiently detailed to analyse healthcare use by disease severity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,225
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations41
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDevelopmental Medicine & Child NeurologyMême sujetCerebral Palsy and Movement DisordersTravaux en français237 207