Development and validation of a dementia risk index for use with administrative healthcare data in Canada
Notice bibliographique
Résumé
Abstract Background Identification of individuals at high risk for dementia is important for planning health services and targeting prevention strategies. While dementia risk indices are available with clinical data, few have been created for use with population‐based administrative data in Canada. The purpose of this study was to establish a dementia risk index for people aged 50 years and older in Alberta, Canada, utilizing routinely gathered administrative healthcare databases. Using population‐based data, we can better understand the risk of dementia to identify individuals and populations at greatest risk. Method The study population included all individuals in Alberta, Canada, aged 50 years or older and free of diagnosed dementia on April 1, 2013. Participants were followed for up to 5 years to assess new diagnoses of dementia using a validated algorithm. A total of 59 known measurable dementia risk factors were assessed as potential predictors of dementia. At a 3:2 ratio, the sample was randomly divided into derivation and validation sets. The risk prediction model was created using a Cox proportional hazard model from a list of candidate variables in the derivation sample, and its performance to predict dementia was evaluated in the validation sample. Result One million participants aged 50 years and older without dementia were included in the study sample (mean age 62.95 years, 50.52% female), and 41,834 (3.86%) individuals developed dementia during follow‐up (mean duration 4.78 years). Out of 59 candidate variables, 17 variables were identified as independent risk factors for dementia, including advanced age, female gender, increased overall medical comorbidity, neighborhood measures of socioeconomic deprivation, specific medical conditions, mental health diagnoses, and measures of health service utilization. The final multivariate Cox proportional hazards model demonstrated good discriminative ability (Harrel’s C‐statistic = 0.87). Conclusion This risk prediction index, derived using population‐based data, can reliably identify Canadian adults at increased risk of dementia. This risk index may assist clinicians, and the general public in assessing their risks for dementia and facilitate discussions on the most effective ways to reduce this risk. Understanding individual or population‐based dementia risk differences can help design dementia prevention and health promotion programs.
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 | 0,018 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| 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 ».