Systematic review of validated case definitions to identify hypertensive disorders of pregnancy in administrative healthcare databases
Notice bibliographique
Résumé
BACKGROUND: Administrative data are frequently used to study cardiovascular disease (CVD) risk in women with hypertensive disorders of pregnancy (HDP). Little is known about the validity of case-finding definitions (CFDs, eg, disease classification codes/algorithms) designed to identify HDP in administrative databases. METHODS: A systematic review of the literature. We searched MEDLINE, Embase, CINAHL, Web of Science and grey literature sources for eligible studies. Two independent reviewers screened articles for eligibility and extracted data. Quality of reporting was assessed using checklists; risk of bias was assessed using the Quality Assessment of Diagnostic Accuracy Studies-2 (QUADAS-2) tool, adapted for administrative studies. Findings were summarised descriptively. RESULTS: Twenty-six studies were included; most (62%) validated CFDs for a variety of maternal and/or neonatal outcomes. Six studies (24%) reported reference standard definitions for all HDP definitions validated; seven reported all 2×2 table values for ≥1 CFD or they were calculable. Most CFDs (n=83; 58%) identified HDP with high specificity (ie, ≥98%); however, sensitivity varied widely (3%-100%). CFDs validated for any maternal hypertensive disorder had the highest median sensitivity (91%, range: 15%-97%). Quality of reporting was generally poor, and all studies were at unclear or high risk of bias on ≥1 QUADAS-2 domain. CONCLUSIONS: Even validated CFDs are subject to bias. Researchers should choose the CFD(s) that best align with their research objective, while considering the relative importance of high sensitivity, specificity, negative predictive value and/or positive predictive value, and important characteristics of the validation studies from which they were derived (eg, study prevalence of HDP, spectrum of disease studied, methodological rigour, quality of reporting and risk of bias). Higher quality validation studies on this topic are urgently needed. PROSPERO REGISTRATION NUMBER: CRD42021239113.
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 | 0,062 | 0,289 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,009 |
| Bibliométrie | 0,029 | 0,026 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».