Development and validation of a case definition to estimate the prevalence and incidence of cirrhosis in pan-Canadian primary care databases
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aims: To develop and validate case definitions to identify patients with cirrhosis and alcohol-related cirrhosis using primary care electronic medical records (EMRs) and to estimate cirrhosis prevalence and incidence in pan-Canadian primary care databases, between 2011 and 2019. Methods: A total of 689,301 adult patients were included with ≥1 visit to a primary care provider within the Canadian Primary Care Sentinel Study Network between January 1, 2017, and December 31, 2018. A subsample of 17,440 patients was used to validate the case definitions. Sensitivity, specificity, predictive values were calculated with their 95% CIs and then determined the population-level prevalence and incidence trends with the most accurate case definition. Results: The most accurate case definition included: ≥1 health condition, billing, or encounter diagnosis for International Classification of Diseases, Ninth Revision codes 571.2, 571.5, 789.59, or 571. Sensitivity (84.6; 95% CI 83.1%-86.%), specificity (99.3; 95% CI 99.1%-99.4%), positive predictive values (94.8; 95% CI 93.9%-95.7%), and negative predictive values (97.5; 95% CI 97.3%-97.7%). Application of this definition to the overall population resulted in a crude prevalence estimate of (0.46%; 95% CI 0.45%-0.48%). Annual incidence of patients with a clinical diagnosis of cirrhosis nearly doubled between 2011 (0.05%; 95% CI 0.04%-0.06%) and 2019 to (0.09%; 95% CI 0.08%-0.09%). Conclusions: The EMR-based case definition accurately captured patients diagnosed with cirrhosis in primary care. Future work to characterize patients with cirrhosis and their primary care experiences can support improvements in identification and management in primary care settings.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle