Effect of clinical versus administrative data definitions on the epidemiology of C. difficile among hospitalized individuals with IBD: a population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Hospitalization admissions and discharge databases (DAD) using the International Classification of Diseases (ICD) codes are often used to describe the epidemiology of Clostridioides difficile infections (CDI) among those with Inflammatory bowel disease (IBD), even though DAD CDI definition can miss many cases of CDI. There are no data comparing the assessment of the epidemiology of CDI among those with IBD by DAD versus laboratory diagnosis. We used a population-based dataset to determine the effect of using DAD versus laboratory CDI diagnosis on CDI assessment among those with IBD. METHODS: We linked the University of Manitoba IBD Epidemiology Database to the provincial CDI laboratory dataset for the years 2005-2014. Time trends of CDI were assessed using joinpoint analyses. We used stratified logistic regression analysis to assess factors associated with CDI among individuals with IBD. RESULTS: Time trends of CDI among hospitalized individuals with IBD were similar when using DAD or the laboratory CDI diagnosis. Prior hospital admission and antibiotic exposure were associated with CDI using either of the CDI definitions, 5-ASA use was associated with CDI using DAD but not laboratory diagnosis, whereas corticosteroid exposure was associated with laboratory-based CDI diagnosis. Using laboratory results as gold standard, DAD had a sensitivity and specificity of 75.4% and 99.6% for CDI among those with IBD. CONCLUSIONS: Using ICD codes in the DAD for CDI provides similar epidemiological time trend patterns as identifying CDI in the laboratory dataset. Hence, ICD codes are reliable to determine CDI epidemiology among hospitalized individuals with IBD.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 ».