MétaCan
Menu
← Retour à la cohorte
Enregistrement W3172751826 · doi:10.1093/ecco-jcc/jjab076.735

P614 A strategy to solve complexity of physician diagnosis using a mixture of Patient Reports and Provider Reports: A Case Study of Crohn’s Disease Phenotypes

2021· article· en· W3172751826 sur OpenAlexaboutno aff
L Zhang, Yanni Fan, Jordan M. Thompson, Rhonda L. Bohn, O Negar, Kimberly G. Brodovicz, D Parakkal

Notice bibliographique

RevueJournal of Crohn s and Colitis · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammatory Bowel Disease
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicinePhenotypeCrohn's diseaseDiseaseDemographicsMedical recordFamily medicineInternal medicineBiologyDemography

Résumé

récupéré en direct d'OpenAlex

Abstract Background The IBD Plexus® Registry, established by the US Crohn’s & Colitis Foundation, combines patient and provider reported survey data collected from doctors’ visits and historical data in electronic medical record (EMR) systems. This multi-resource dataset presents data discrepancies in assessing phenotypes of Crohn’s disease (CD). The aim of this analysis is to describe a strategic process to solve data challenges related to CD phenotype definitions based on the IBD Plexus data. Methods This cross-sectional, multicenter, US based study used data from 11/2016 to 06/2020 from the IBD Plexus® Sparc program to assess demographics, symptoms and treatments among CD patients. Data discrepancies between CD phenotype status reported and as described in historical EMRs were identified. Physicians may use the Montreal classification with/without the Paris modification for phenotype evaluation. To resolve this discrepancy, we explored and evaluated several study phenotype definitions: 1) using phenotypes at visits, the registry suggested method; 2) using phenotype and history of fistula/abscess or stricture in EMR; and 3) using definition 2 without anal stricture. The implementation included two steps: 1) severe conditions (penetrating, stricturing or both) were considered irreversible and defined using the data at any time before 30 days after the registry consent date; 2) the inflammatory condition was positive in the absence of any other reported severe condition during the entire study period. Results The frequency results by phenotypes show small differences across definitions (Figure 1). The discrepancy in frequency by definition1 demonstrated the phenotypes recorded at visits contradicted phenotypes in the EMR. For instance, 0.1%-3.2% or 0.1–0.7% of CD inflammatory patients had subtypes of stricture and subtypes of fistula/abscess, respectively. About 0.5% of CD stricturing patients had intra-abdominal abscess or other fistula (Figure 2). Among CD penetrating patients, 32.0% had history of ileal stricture (Figure 3). Including EMR phenotype variables in definition 2, all discrepancies were resolved. With verification, anal strictures are due to perianal disease which should not be used in the stricturing definition; therefore, the anal stricture was exempt from definition 3. All subtype phenotypes showed 0% discrepancy with study phenotype. A small percentage of positive anal stricture patients was allowed in definition 3. Figure 1. Figure 2. Figure 3. Figure 4. Conclusion When handling the mixture of patient reported and provider-reported data, data discrepancies have many causes. Clarifying the clinical rationale is a key process to resolve discrepancies and accurately define measures of interest.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,089

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,061
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0020,002
Communication savante0,0030,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,271
Écart entre enseignants0,253 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Crohn s and Colitis→Même sujetInflammatory Bowel Disease→Travaux en français237 207→