Validated methods for identifying individuals with obesity in health care administrative databases: A systematic review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Health care administrative databases are increasingly used for health studies and public health surveillance. Cases of individuals with obesity are selected using case-identification methods. However, the validity of these methods is fragmentary and particularly challenging for obesity case identification. OBJECTIVE: The objectives of this systematic review are to (1) determine the case-identification methods used to identify individuals with obesity in health care administrative databases and (2) to summarize the validity of these case-identification methods when compared with a reference standard. METHODS: A systematic literature search was conducted in six bibliographic databases for the period January 1980 to June 2019 for all studies evaluating obesity case-identification methods compared with a reference standard. RESULTS: Seventeen articles met the inclusion criteria. International Classification of Diseases (ICD) codes were the only case-identification method utilized in selected articles. The performance of obesity-identification methods varied widely across studies, with positive predictive value ranging from 19% to 100% while sensitivity ranged from 3% to 92%. The sensitivity of these methods was usually low while the specificity was higher. CONCLUSION: When obesity is reported in health care administrative databases, it is usually correctly reported; however, obesity tends to be highly underreported in databases. Therefore, case-identification methods to monitor the prevalence and incidence of obesity within health care administrative databases are not reliable. In contrast, the use of these methods remains relevant for the selection of individuals with obesity for cohort studies, particularly when identifying cohorts of individuals with severe obesity or cohorts where obesity is associated with comorbidities.
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.
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 | 0,048 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| 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 découle