MétaCan
Menu
Retour à la cohorte
Enregistrement W3047494842 · doi:10.1097/j.pain.0000000000002003

Assessing the validity of health administrative data compared to population health survey data for the measurement of low back pain

2020· article· en· W3047494842 sur OpenAlexaffabout
Jessica J. Wong, Pierre Côté, Andrea C. Tricco, Tristan Watson, Laura C. Rosella

Notice bibliographique

RevuePain · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensSt. Michael's HospitalCanadian Memorial Chiropractic CollegeOntario Tech UniversityCentre for Disability Prevention and RehabilitationPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineKappaLow back painPopulationConcurrent validityCommunity healthCohen's kappaPositive predicative valuePhysical therapyFamily medicinePublic healthEnvironmental healthPsychometricsClinical psychologyInternal medicineNursingAlternative medicineStatisticsPredictive valuePathology

Résumé

récupéré en direct d'OpenAlex

Low back pain (LBP) is a high-burden condition that lacks routine surveillance data. Health administrative data may be used for surveillance, but their validity for measuring LBP in the general population has not been established. We aimed to (1) determine the validity of health administrative data to measure LBP compared to self-reported LBP in a population-based sample of Ontario adults; and (2) describe the differences in characteristics of LBP cases based on data sources. Adult respondents (≥18 years) of the Canadian Community Health Survey (CCHS) from 2003 to 2012 were included (N = 150,695). Canadian Community Health Survey data were individually linked to health administrative data, including Ontario Health Insurance Plan and hospitalization data. The reference standard was defined as self-reported back problem diagnosed by a health professional in the CCHS. Measurement of LBP from billing records was defined as ≥1 physician billing or procedural code for LBP during the year preceding CCHS interview date. We measured concurrent validity by comparing prevalence, agreement (kappa), and accuracy (sensitivity, specificity, and positive and negative predictive values [PV]) of administrative data to measure LBP. Prevalence of LBP was higher using self-reported (21.2%) than administrative data (10.2%), and agreement was low (kappa = 0.21). Administrative data had sensitivity 23.9% (95% CI 23.1-24.6), specificity 93.4% (95% CI 93.2-93.7), positive PV 50.4% (95% CI 49.1-51.7), and negative PV 82.0% (95% CI 81.7-82.3). Characteristics of LBP cases based on data sources differed in sex, health/behaviour characteristics, and allied health care utilization. Using health administrative data significantly underestimates the prevalence of LBP. This can lead to misclassification bias that is likely nondifferential in epidemiological studies.

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)0,078
score de la tête « metaresearch » (Gemma)0,017
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0780,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,529
Tête enseignante GPT0,480
Écart entre enseignants0,049 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations18
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePainMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207