Creating the BELgian COngenital heart disease database combining administrative and clinical data (BELCODAC): Rationale, design and methodology
Notice bibliographique
Résumé
BACKGROUND: Congenital heart disease (CHD) entails a broad spectrum of malformations with various degrees of severity and prognosis. Consequently, new and specific healthcare needs are emerging, requiring responsive healthcare provision. Research on this matter is predominantly performed on population-based databases, to inform clinicians, researchers and policy-makers on health outcomes and economic burden of CHD. Most databases contain data either from administrative sources or from clinical systems. We describe the methodological design of the BELgian COngenital Heart Disease Database combining Administrative and Clinical data (BELCODAC), to investigate patients with CHD. METHODS: Data on clinical characteristics from three university hospitals in Belgium (Leuven, Ghent and Brussels) were merged with mortality and socio-economic data from the official Belgian statistical office (StatBel), and with healthcare use data from the InterMutualistic Agency, an overarching national organization that collects data from the seven sickness funds for all Belgian citizens. Over 60 variables with multiple entries over time are included in the database. RESULTS: BELCODAC contains data on 18,510 patients, of which 8926 patients (48%) have a mild, 7490 (41%) a moderately complex and 2094 (11%) a complex anatomical heart defect. The most prevalent diagnosis is Ventricular Septal Defect in 3879 patients (21%), followed by Atrial Septal Defect in 2565 patients (14%). CONCLUSIONS: BELCODAC comprises longitudinal data on patients with CHD in Belgium. This will help build evidence-based provision of care to the changing CHD population.
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 | 0,006 |
| 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 | 0,000 | 0,001 |
| 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 ».