Validating the diagnosis of multiple sclerosis using Swedish administrative data in Värmland County
Notice bibliographique
Résumé
OBJECTIVES: Multiple sclerosis (MS) is a chronic neurodegenerative disease of the central nervous system. Identifying MS at the population level is important for disease surveillance and allocation of resources. The Swedish National Patient Registry (NPR) has been used to study the epidemiology of MS, but the accuracy of this resource is not known. We aimed to validate a definition of MS using the Swedish NPR in Värmland County using a longitudinal cohort design. MATERIALS AND METHODS: Data were extracted from the NPR, the Total Population Register, the Swedish MS Register, and medical records for the years 2001-2013. Fifteen algorithms of hospitalizations and clinic visits for MS were developed and compared with findings in medical records, which acted as the "gold standard" definition. Sensitivity, specificity, and positive and negative predictive values (PPV, NPV) were estimated. RESULTS: Of 805 eligible persons identified in the NPR, 763 had MS (94.8%) according to medical records. Of these, 544 (71.3%) were also registered in the SMSreg. The case definition that had a well-balanced sensitivity and specificity required three or more clinic or hospital visits for MS (sensitivity of 85.3% (95% CI: 82.6-87.8) and specificity of 81.0% (95%CI: 65.9-91.4). CONCLUSIONS: Multiple case definitions with high sensitivity and moderate specificity were found, suggesting that the NPR can be used to accurately identify persons with MS.
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 | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».