Validation of case definition algorithms for the ascertainment of congenital anomalies
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
BACKGROUND: Congenital anomalies (CA) are one of the leading causes of infant mortality and long-term disability. Many jurisdictions rely on health administrative data to monitor these conditions. Case definition algorithms can be used to monitor CA; however, validation of these algorithms is needed to understand the strengths and limitations of the data. This study aimed to validate case definition algorithms used in a CA surveillance system in British Columbia (BC), Canada. METHODS: A cohort of births between March 2000 and April 2002 in BC was linked to the Health Status Registry (HSR) and the BC Congenital Anomalies Surveillance System (BCCASS) to identify cases and non-cases of specific anomalies within each surveillance system. Measures of algorithm performance were calculated for each CA using the HSR as the reference standard. Agreement between both databases was calculated using kappa coefficient. The modified Standards for Reporting Diagnostic Accuracy guidelines were used to enhance the quality of the study. RESULTS: Measures of algorithm performance varied by condition. Positive predictive value (PPV) ranged between approximately 73%-100%. Sensitivity was lower than PPV for most conditions. Internal congenital anomalies or conditions not easily identifiable at birth had the lowest sensitivity. Specificity and negative predictive value exceeded 99% for all algorithms. CONCLUSION: Case definition algorithms may be used to monitor CA at the population level. Accuracy of algorithms is higher for conditions that are easily identified at birth. Jurisdictions with similar administrative data may benefit from using validated case definitions for CA surveillance as this facilitates cross-jurisdictional comparison.
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 | 0,003 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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