Validity of diagnoses of SARS-CoV-2 infection in Canadian administrative health data: a multiprovince, population-based cohort study
Notice bibliographique
Résumé
BACKGROUND: Accurate coding of diagnoses of SARS-CoV-2 infection in administrative data benefits population-based studies about the epidemiology, treatment and outcomes of COVID-19. We describe the validity of diagnoses of SARS-CoV-2 infection recorded in hospital discharge abstracts, emergency department records and outpatient physician service claims from 3 Canadian provinces. METHODS: In this cohort study, population-based inpatient, emergency department and outpatient records were linked to SARS-CoV-2 polymerase chain reaction (PCR; reference standard) test results from British Columbia, Manitoba and Ontario for Apr. 1, 2020, to Mar. 31, 2021. Sensitivity, specificity, positive predictive value (PPV) and negative predictive value (NPV) of diagnoses of SARS-CoV-2 infection were estimated for each quarter in the study period, overall and by province, age group and sex. RESULTS: Our study encompassed more than 13 million SARS-CoV-2 PCR test results. Specificity and NPV of diagnoses of SARS-CoV-2 infection were consistently high (i.e., most estimates were > 95%). Overall sensitivity estimates were 86.2%, 60.4% and 20.3% in the first quarter for inpatient, emergency department and outpatient cohorts, and 66.2%, 47.5% and 25.0% in the last quarter, respectively. For inpatients, overall PPV estimates ranged from 50.0% to 66.4%. For emergency department patients, overall PPV estimates were 76.9% and 68.3% in the first and last quarters, respectively. For outpatients, PPV estimates were 6.8% and 29.1% in the first and last quarters, respectively. INTERPRETATION: We found variations in the validity of diagnoses for SARS-CoV-2 infection recorded in different health care settings, geographic areas and over time. Our multiprovince validation study provides evidence about the potential use of inpatient and emergency department records as an alternative to population-based laboratory data for identification of patients with SARS-CoV-2 infection, but does not support the use of outpatient claims for this purpose.
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 | 0,007 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 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 ».