Accuracy of aspirin prophylaxis for preeclampsia prevention documentation within a large administrative dataset
Notice bibliographique
Résumé
BACKGROUND: Low-dose aspirin prophylaxis is recommended for women at risk of preeclampsia. Capturing aspirin prophylaxis within administrative databases can be challenging since it is an over-the-counter medication. The Better Outcome Registry and Network (BORN) database, a perinatal health registry in Ontario, Canada, includes a formal variable that captures aspirin prophylaxis for preeclampsia. This variable has not been formally validated. OBJECTIVES: To assess the accuracy of the aspirin prophylaxis variable in the BORN database against an electronic medical record (EMR). METHODS: This validation study comprised 200 randomly selected women who had a livebirth at St. Michael's Hospital (SMH) in Toronto, Ontario, from January 2018 to July 2022. Recorded aspirin prophylaxis in pregnancy and maternal sociodemographic characteristics were independently extracted by two abstractors. Accuracy of aspirin prophylaxis use in the BORN database was compared to that in the SMH EMR, expressed as sensitivity, specificity, positive (PPV) and negative predictive values (NPV), Cohen's kappa (κ), and overall percent agreement, with 95% confidence intervals (CI). Sensitivity analyses were performed to account for missing or unclear aspirin prophylaxis use. RESULTS: Among 200 women, 24 (12.0%) received aspirin prophylaxis - 12.5% within the SMH EMR and 8.0% in the BORN database. Women using aspirin were older (37.0 vs 33.0 years) and had higher median gravidity (3 vs. 2). Sensitivity and specificity of the BORN aspirin prophylaxis variable were 62.5% (95% CI 40.6, 81.2) and 100.0% (95% CI 97.3, 100.0), respectively. The corresponding positive and negative predictive values were 100.0% (95% CI 78.2, 100.0), and 93.8% (95% CI 88.6, 97.1), respectively. Cohen's κ was 0.74 (95% CI 0.58, 0.90), and overall percent agreement was 94.4% (95% CI 87.1, 100.0). CONCLUSIONS: Aspirin use within the BORN database, based on a standard variable field, appears accurate enough for the potential use in epidemiological studies of aspirin prophylaxis for preeclampsia or as a covariate in related studies.
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 | 0,001 | 0,004 |
| 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) | 0,000 | 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 ».