Pelvic floor disorders in women who consult primary care clinics: development and validation of case definitions using primary care electronic medical records
Notice bibliographique
Résumé
BACKGROUND: To date, there has been no validated method to identify cases of pelvic floor disorders in primary care electronic medical record (EMR) data. We aimed to develop and validate symptom-based case definitions for urinary incontinence, fecal incontinence and pelvic organ prolapse in women, for use in primary care epidemiologic or clinical research. METHODS: Our retrospective study used EMR data from the Southern Alberta Primary Care Research Network (SAPCReN) and the Canadian Primary Care Sentinel Surveillance Network (CPCSSN) in southern Alberta. Trained researchers remotely reviewed a random sample of EMR charts of women aged 18 years or older from 6 rural and urban clinics to validate case definitions for urinary incontinence, fecal incontinence and pelvic organ prolapse. We calculated sensitivity, specificity, positive predictive value (PPV) and negative predictive value (NPV), and estimated SAPCReN prevalence as appropriate. RESULTS: Charts of 900 women were included. Sensitivity was 81.9% (95% confidence interval [CI] 75.1-87.2) for urinary incontinence, 61.2% (95% CI 46.2-74.5) for fecal incontinence, and 51.8% (95% CI 40.6-62.8) for pelvic organ prolapse. Corresponding specificity values were 71.9% (95% CI 68.4-75.1), 99.2% (95% CI 98.2-99.6) and 98.8% (95% CI 97.7-99.4), PPVs 40.6% (95% CI 35.4-46.0), 81.1% (95% CI 64.3-91.4) and 81.1% (95% CI 67.6-90.1), and NPVs 94.4% (95% CI 92.1-96.1), 97.8% (95% CI 96.5-98.6) and 95.3% (95% CI 93.6-96.6). The SAPCReN-observed prevalence for urinary incontinence was 29.7% (95% CI 29.3-30.0), but the adjusted prevalence was 2.97%. INTERPRETATION: The case definition for urinary incontinence met our standard for validity (sensitivity and specificity > 70%), and the case definitions for fecal incontinence and pelvic organ prolapse had PPVs greater than 80%. The urinary incontinence definition may be used in epidemiologic research, and those for fecal incontinence and pelvic organ prolapse may be used in quality-improvement studies or creation of disease registries. Our symptom-based case definitions could also be adapted for research in other EMR settings.
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 | 0,000 | 0,000 |
| 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 ».