Surveillance des accidents vasculaires cérébraux au Manitoba, Canada : Estimations fondées sur des bases de données administratives
Notice bibliographique
Résumé
Dans la présente étude, nous nous sommes penchés sur l'utilisation des bases de données administratives en matière de population dans la surveillance des accidents vasculaires cérébraux. Nous avons tout d'abord effectué une méta-analyse de quatre études, relevées au moyen d'une recherche dans PubMed, qui visaient à évaluer la sensibilité et la spécifi cité des données des hôpitaux dans la détermination des cas d'accident vasculaire cérébral lorsque les registres cliniques ou les dossiers médicaux étaient la méthode de référence. Nous avons ensuite mis au point des algorithmes de détermination des cas fondés sur les données des hôpitaux ainsi que les données relatives aux médecins et aux médicaments de prescription. Enfin, nous avons appliqué ces algorithmes aux données administratives du Manitoba, ce qui a permis d'obtenir des estimations de la prévalence pour les années fi nancières 1995-1996 à 2003-2004, par groupe d'âge, sexe, région de résidence et quintile de revenu. Les résultats de la méta-analyse ont fait ressortir une certaine surdétermination des cas d'accident vasculaire cérébral à partir des données des hôpitaux, lorsque l'algorithme était fondé sur les codes de diagnostic applicables à n'importe quel type de maladie vasculaire cérébrale (rapport de cotes de Mantel-Haenszel [RC] = 1,70 [intervalle de confiance (IC) à 95 % : 1,53-1,88]). Les analyses des données administratives du Manitoba ont révélé que même si le nombre total de cas d'accident vasculaire cérébral variait considérable ment selon l'algorithme, la tendance de la prévalence était stable indépendamment de l'algorithme utilisé.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,035 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,006 |
| Bibliométrie | 0,009 | 0,021 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».