Validation of claims‐based algorithms to identify non‐live birth outcomes
Notice bibliographique
Résumé
PURPOSE: Perinatal epidemiology studies using healthcare utilization databases are often restricted to live births, largely due to the lack of established algorithms to identify non-live births. The study objective was to develop and validate claims-based algorithms for the ascertainment of non-live births. METHODS: Using the Mass General Brigham Research Patient Data Registry 2000-2014, we assembled a cohort of women enrolled in Medicaid with a non-live birth. Based on ≥1 inpatient or ≥2 outpatient diagnosis/procedure codes, we identified and randomly sampled 100 potential stillbirth, spontaneous abortion, and termination cases each. For the secondary definitions, we excluded cases with codes for other pregnancy outcomes within ±5 days of the outcome of interest and relaxed the definitions for spontaneous abortion and termination by allowing cases with one outpatient diagnosis only. Cases were adjudicated based on medical chart review. We estimated the positive predictive value (PPV) for each outcome. RESULTS: The PPV was 71.0% (95% CI, 61.1-79.6) for stillbirth; 79.0% (69.7-86.5) for spontaneous abortion, and 93.0% (86.1-97.1) for termination. When excluding cases with adjacent codes for other pregnancy outcomes and further relaxing the definition, the PPV increased to 80.6% (69.5-88.9) for stillbirth, 86.6% (80.5-91.3) for spontaneous abortion and 94.9% (91.1-97.4) for termination. The PPV for the composite outcome using the relaxed definition was 94.4% (92.3-96.1). CONCLUSIONS: Our findings suggest non-live birth outcomes can be identified in a valid manner in epidemiological studies based on healthcare utilization databases.
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 | 0,003 | 0,001 |
| 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 | 0,000 | 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 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 ».