Validation of a Case Definition to Identify Patients Diagnosed With Cardiovascular Disease in Canadian Primary Care Practices
Notice bibliographique
Résumé
Background Cardiovascular disease (CVD) is a leading cause of death globally. This study validates a primary care-based electronic medical record case definition for CVD. Methods This retrospective, cross-sectional study explores electronic medical record data from 1574 primary care providers participating in the Canadian Primary Care Sentinel Surveillance Network. A reference standard was created by reviewing medical records of a subset of patients in this network (n = 2017) for coronary artery disease (CAD), cerebrovascular disease (CeVD), and peripheral vascular disease (PVD). Together, these data produced a CVD reference. We applied validated case definitions to an active patient population (≥ 1 visit between January 1, 2018 and December 31, 2019) to estimate prevalence using the exact binomial test (N = 689,301). Descriptive statistics, χ 2 tests, and t tests characterized patients with vs without CVD. Results The optimal CVD Case Definition 2 had a sensitivity of 68.5% (95% Confidence Interval [CI]: 61.6%-74.8%), a specificity of 97.8% (95% CI: 97.0%-98.4%), a positive predictive value of 77.7% (95% CI: 71.6%-82.7%), and a negative predictive value of 96.5% (95% CI: 95.8%-97.1%). Included in this CVD definition was a strong CAD case definition with sensitivity of 91.6% (95% CI: 84.6%-96.1%), specificity of 98.3% (95% CI: 97.6%-98.8%), a PPV of 74.8% (95% CI: 67.8%-80.7%), and an NPV of 99.5% (95% CI: 99.1%-99.7%). This CVD definition also included CeVD and PVD case definitions with low sensitivity (77.6% and 36.6%) but high specificity (98.6% and 99.0%). The estimated prevalence of CVD among primary care patients is 11.2% (95% CI, 11.1%-11.3%; n = 77,064); the majority had CAD (6.4%). Conclusions This study validated a definition of CVD and its component parts—CAD, CeVD, and PVD. Understanding the prevalence and disease burden for patients with CVD within primary care settings can improve prevention and disease management.
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 | 0,027 | 0,093 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».