Exploiting administrative claims data through modelling and creativity: Epidemiology of Post Covid Syndrome
Notice bibliographique
Résumé
Context: The lack of both established diagnostic criteria and an assigned ICD 9 diagnostic code results in an inadequate understanding of the prevalence, predictors, and outcomes of Post Covid Condition (PCC). Health system planning and service delivery is hampered by the lack of this information and clinicians lacked information on risk factors and outcomes of PCC. Objective: To determine the population prevalence of PCC Study design: Retrospective cohort study Setting: Canadian provincial research population-based administrative data repository (1,467,275 people). Outcome measures: ICD 9 diagnostic codes, medications and patterns of care suggestive of possible PCC. Results: We identified 66,365 individuals with confirmed positive PCR tests (1,407,670 tests, 122, 862 positive tests) Starting at 90 days after the positive test we included 3770 people with reported incident (3 year washout period) over 100 ambulatory care ICD 9 diagnostic codes consistent with possible PCC. An additional 7619 people were classified as possible PCC based on new medication prescriptions and 1111 were included based on both a diagnosis and a medication prescription. After analysis of patterns of primary care use compared to both pre-COVID usage and to usage of propensity score matched controls, an additional 5499 people were added to the possible PCC cohort. The combined PCC cohort represents a cumulative prevalence of 27.1% of COVID PCR positive individuals may have PCC. Conclusions: The lack of definitive diagnostic criteria or even a universally accepted definition of PCC challenges health system organisers and clinicians. Knowing the prevalence of the condition provides guidance for both patient care and system planning. The range of estimates from the literature varies significantly. Our analyses need to be viewed in the context of finding the balance between sensitivity and specificity in the analyses. In addition, these analyses include other limitations. Chief amongst these is the nonspecific nature of the diagnoses and medications prescribed included, as indicators of potential PCC. This is in part due to the use of ICD 9 rather than ICD 10 codes in ambulatory care in Manitoba. There is also no local dedicated PCC clinic to establish a “gold standard” through clinically diagnosed PCC patients. The approach is however an example of creative use of administrative claims data.
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 | 0,012 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».