Development and Internal Validation of a Disability Algorithm for Multiple Sclerosis in Administrative Data
Notice bibliographique
Résumé
Objective: We developed and internally validated an algorithm for disability status in multiple sclerosis (MS) using administrative data. Methods: We linked administrative data from Manitoba, Canada to a clinical dataset with Expanded Disability Status Scale (EDSS) scores for people with MS. Clinical EDSS scores constituted the reference standard. We created candidate indicators using the administrative data. These included indicators based on use of particular health care services (home care, long-term care, rehabilitation admission), use of specific diagnostic codes (such as spasticity, quadriplegia), and codes based on use of Employment and Income Insurance. We developed algorithms to predict severe disability (EDSS ≥6.0), and to predict disability as a continuous measure. We manually developed algorithms, and also employed regression approaches. After we selected our preferred algorithms for disability, we tested their association with health care use due to any cause and infection after potential confounders. Results: We linked clinical and administrative data for 1,767 persons with MS, most of whom were women living in urban areas. All individual indicators tested had specificities >90% for severe disability, and all but a diagnosis of visual disturbance had positive predictive values (PPV) >70%. The combination of home care or long-term care use or rehabilitation admission had a sensitivity of 61.9%, specificity of 90.76%, PPV of 70.06% and negative predictive of 87.21%. Based on regression modeling, the best-performing algorithm for predicting the EDSS as a continuous variable included age, home care use, long-term care admission, admission for rehabilitation, visual disturbance, other paralytic syndromes and spasticity. The mean difference between observed and predicted values of the EDSS was −0.0644 (95%CI −0.1632, 0.0304). Greater disability, whether measured using the clinical EDSS or either of the administrative data algorithms was similarly associated with increased hospitalization rates due to any cause and infection. Conclusion: We developed and internally validated an algorithm for disability in MS using administrative data that may support population-based studies that wish to account for disability status but do not have access to clinical data sources with this information. We also found that more severe disability is associated with increased health care use, including due to infection.
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 | 0,033 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».