Validation in Alberta of an Administrative Data Algorithm to Identify Cancer Recurrence
Notice bibliographique
Résumé
Background: Readily available population-based data about cancer recurrence would improve surveillance and research for women of reproductive age. Methods: We randomly selected 200 women from the Alberta Cancer Registry who had received a cancer diagnosis and who ever had a pregnancy between 2003 and 2012. Administrative data were obtained and linked. Several definitions of recurrence were assessed using various minimum lengths of time between the initial diagnosis date and subsequent diagnoses or treatments, or both. Chart review was used as a "gold standard" definition of recurrence. Results: Chart review identified recurrences in 26 women. The definition that best captured "recurrence" was 2 or more cancer diagnosis codes 10 or more months from the diagnosis date [sensitivity: 80.8%; 95% confidence interval (ci): 60.7% to 93.5%; specificity: 81.0%; 95% ci: 74.4% to 86.6%; positive predictive value: 38.9%; 95% ci: 25.9% to 53.1%; negative predictive value: 96.6%; 95% ci: 92.2% to 98.9%; kappa = 0.42; 95% ci: 0.28 to 0.57]. Conclusions: Recurrence in reproductive-aged women can be captured with moderate validity using administrative data, but should be interpreted with caution.
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) | 0,000 | 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 ».