Data Quality Assessment on Congenital Anomalies in Ontario, Canada
Notice bibliographique
Résumé
Background: Congenital anomalies (CAs) are a major cause of infant morbidity and mortality in Canada. Reliably identifying CAs is essential for CA surveillance and research. The main objective of this study was to assess the agreement of eight sentinel anomalies including: neural tube defects (NTD), orofacial clefts, limb deficiency defects (LDD), Down syndrome (DS), tetralogy of Fallot (TOF), gastroschisis (GS), hypoplastic left heart syndrome (HLHS) and transposition of great vessels (TGA) captured in the BORN Information System (BIS) database and the Canadian Institute for Health Information (CIHI) Discharge Abstract Database (DAD). Methods: Live birth and stillbirth records between the BIS and CIHI-DAD in the fiscal years of 2012–2013 to 2015–2016 were linked using 10 digit infant Ontario Health Insurance Plan (OHIP) numbers. Percent agreement and Kappa statistics were performed to assess the reliability (agreement) of CAs identified in the linked BIS and CIHI-DAD birth records. Then, further investigations were conducted on those CA cases identified in the CIHI-DAD only. Results: Kappa coefficients of the eight selected CAs between BIS (“Confirmed” or “Suspected” cases) and CIHI-DAD were 0.96 (95% CI: 0.93–0.98) for GS; 0.81 (95% CI: 0.78–0.83) for Orofacial clefts; 0.75 (95% CI: 0.72–0.77) for DS; 0.71 (95% CI: 0.65–0.77) for TOF; 0.62 (95% CI: 0.55–0.68) for TGA; 0.59 (95% CI: 0.49–0.68) for HLHS, 0.53 (95% CI: 0.46–0.60) for NTD-all; and 0.30 (95% CI: 0.23–0.37) for LDD. Conclusions: The degree of agreement varied among sentinel CAs identified between the BIS and CIHI. The potential reasons for discrepancies include incompleteness of capturing CAs using existing picklist values, especially for certain sub-types, incomplete neonatal special care data in the BIS, and differences between clinical diagnosis in the BIS and ICD-10-CA classification in the DAD. A future data abstraction study will be conducted to investigate the potential reasons for discrepancies of CA capture between two databases. This project helps quantify the quality of CA data collection in the BIS, enhances understanding of CA prevalence in Ontario and provides direction for future data quality improvement activities.
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 ».