The impact of lookback windows on the prevalence and incidence of chronic diseases among people living with HIV: an exploration in administrative health data in Canada
Notice bibliographique
Résumé
BACKGROUND: We described the impact of different lengths of lookback window (LW), a retrospective time period to observe diagnoses in administrative data, on the prevalence and incidence of eight chronic diseases. METHODS: Our study populations included people living with HIV (N = 5151) and 1:5 age-sex-matched HIV-negative individuals (N = 25,755) in British Columbia, Canada, with complete follow-up between 1996 and 2012. We measured period prevalence and incidence of diseases in 2012 using LWs ranging from 1 to 16 years. Cases were deemed prevalent if identified in 2012 or within a defined LW, and incident if newly identified in 2012 with no previous cases detected within a defined LW. Chronic disease cases were ascertained using published case-finding algorithms applied to population-based provincial administrative health datasets. RESULTS: Overall, using cases identified by the full 16-year LW as the reference, LWs ≥8 years and ≥ 4 years reduced the proportion of misclassified prevalent and incidence cases of most diseases to < 20%, respectively. The impact of LWs varied across diseases and populations. CONCLUSIONS: This study underscored the importance of carefully choosing LWs and demonstrated data-driven approaches that may inform these choices. To improve comparability of prevalence and incidence estimates across different settings, we recommend transparent reporting of the rationale and limitations of chosen LWs.
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 | 0,011 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».