Validation of ethnicity in administrative hospital data in women giving birth in England: cohort study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To describe the accuracy of coding of ethnicity in National Health Service (NHS) administrative hospital records compared with self-declared records in maternity booking systems, and to assess the potential impact of misclassification bias. DESIGN: Secondary analysis of data from records of women giving birth in England (2015-2017). SETTING: NHS Trusts in England participating in a national audit programme. PARTICIPANTS: 1 237 213 women who gave birth between 1 April 2015 and 31 March 2017. PRIMARY AND SECONDARY OUTCOME MEASURES: (1) Proportion of women with complete ethnicity; (2) agreement on coded ethnicity between maternity (maternity information systems (MIS)) and administrative hospital (Hospital Episode Statistics (HES)) records; (3) rates of caesarean section and obstetric anal sphincter injury by ethnic group in MIS and HES. RESULTS: 91.3% of women had complete information regarding ethnicity in HES. Overall agreement between data sets was 90.4% (κ=0.83); 94.4% when collapsed into aggregate groups of white/South Asian/black/mixed/other (κ=0.86). Most disagreement was seen in women coded as mixed in either data set. Rates of obstetrical events and complications by ethnicity were similar regardless of data set used, with the most differences seen in women coded as mixed. CONCLUSIONS: Levels of accuracy in ethnicity coding in administrative hospital records support the use of ethnicity collapsed into groups (white/South Asian/black/mixed/other), but findings for mixed and other groups, and more granular classifications, should be treated with caution. Robustness of results of analyses for associations with ethnicity can be improved by using additional primary data sources.
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.
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 | 0,011 | 0,004 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 découle