[Practice variation in diagnostic testing for dementia; a nation-wide overview].
Notice bibliographique
Résumé
OBJECTIVE: To determine variation in diagnostic strategies for diagnosing dementia between Dutch hospitals. DESIGN: Descriptive, retrospective research based on claim data of Dutch health insurers. METHOD: Information on the use of diagnostic ancillary services carried out from 2015 to 2018 was collected via national-level insurance claims for patients who received a (new) diagnose-coding for dementia in 2018. Hospitals were included in the analysis if they diagnosed >50 patients with dementia. We distinguished academic medical centres (AMC), non-academic training hospitals (TH) and general hospitals (GH). RESULTS: In 2018, 20.073 new cases of dementia were diagnosed in 71 hospitals. The percentages of patients undergoing MRI/CT-imaging ranged from 37 to 99% (median 76.7%), neuropsychological-assessment from 0-89% (median 31.8%), cerebrospinal fluid examination from 0-14% (median 2.4%), PET/SPECT-imaging from 0-16% (median 6.2%) and electroencephalography from 1-20% (median 5.8%). Practice variation was comparable in AMCs, THs and GHs and was evidently skewed for PET/SPECT-imaging, electroencephalography and cerebrospinal fluid examination. There were no distinct differences according to case-mix characteristics or hospital volume. The percentage of patients subjected to ancillary diagnostic investigations decreased sharply with increasing age. CONCLUSION: In the Netherlands, diagnostic ancillary methods used vary widely between hospitals both in frequency and modality. This variation may be driven by limited evidence of diagnostic accuracy and added value of different diagnostic tests, variations in doctor and patient preferences and differences in available diagnostic techniques per hospital. Further exploration of this heterogeneity may help to identify a strategy that combines the most benefit with the least burden.
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 | 0,005 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».