P206 The specific contribution of each data source in a population-based administrative data cohort from manitoba, canada
Notice bibliographique
Résumé
<h3>Background</h3> In the development of administrative data case-definitions for HIV, it is important to understand the contribution of each data source to prevalence estimates, especially as it pertains to generalizability of methods. <h3>Methods</h3> HIV case-definitions were constructed from four population-based databases available in Manitoba: physician claims, hospital discharge, pharmaceutical dispensations, and provincial laboratory tests. Performance was assessed using sensitivity, specificity, positive/negative predictive value (PPV & NPV), and Youden’s index (YI). Cases identified by HIV case-definitions, and those reported to public health surveillance were compared using annualized incidence. The distribution of those flagged as HIV-positive was compared by database. <h3>Results</h3> <h3>The best performing case-definition (YI</h3> 0.71) was two or more HIV diagnoses in two years in physician claims, or in hospital discharge abstracts; or 14 or more HAART dispensations in two years; or one positive HIV laboratory. Sensitivity, specificity, PPV and NPV was 82.3% (95%CI: 79.1%-85.5%), 86.8% (95%CI: 84.9%-88.7%), 74.1% (95%CI: 70.6%-77.6%), 91.4% (95%CI: 89.8%-93.1%), respectively. Annualized incidence (2009–2015) calculated from this case-definition was 7.4/100,000 persons (95%CI: 6.8–8.1)]; annualized incidence calculated from surveillance data was 7.7/100,000 persons (95%CI: 7.1–8.3). Approximately 76% of cases would have been flagged through a positive laboratory; 43% through pharmaceutical claims; 34% through physician claims; and 11% through hospital abstracts. 95% of cases would have been flagged through the combination of laboratory and pharmaceutical databases. Only 4% of cases were flagged in all four data sources. <h3>Conclusion</h3> Although the combination of four databases produced the most complete prevalence snapshot, laboratory data was the most important contributor. The combination of laboratory and pharmaceutical databases would have identified the predominant majority of cases in our sample. Findings can be used to inform the construction of administrative data cohorts where the availability of population-based data sources may be more limited. <h3>Disclosure</h3> No significant relationships.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».