Validation of the Passive Surveillance Stroke Severity Score in Three Canadian Provinces
Notice bibliographique
Résumé
BACKGROUND: Stroke outcomes research requires risk-adjustment for stroke severity, but this measure is often unavailable. The Passive Surveillance Stroke SeVerity (PaSSV) score is an administrative data-based stroke severity measure that was developed in Ontario, Canada. We assessed the geographical and temporal external validity of PaSSV in British Columbia (BC), Nova Scotia (NS) and Ontario, Canada. METHODS: We used linked administrative data in each province to identify adult patients with ischemic stroke or intracerebral hemorrhage between 2014-2019 and calculated their PaSSV score. We used Cox proportional hazards models to evaluate the association between the PaSSV score and the hazard of death over 30 days and the cause-specific hazard of admission to long-term care over 365 days. We assessed the models' discriminative values using Uno's c-statistic, comparing models with versus without PaSSV. RESULTS: = 2,673 in NS). The mean and median PaSSV were similar across provinces. A higher PaSSV score, representing lower stroke severity, was associated with a lower hazard of death (hazard ratio and 95% confidence intervals 0.70 [0.68, 0.71] in BC, 0.69 [0.68, 0.69] in Ontario, 0.72 [0.68, 0.75] in NS) and admission to long-term care (0.77 [0.76, 0.79] in BC, 0.84 [0.83, 0.85] in Ontario, 0.86 [0.79, 0.93] in NS). Including PaSSV in the multivariable models increased the c-statistics compared to models without this variable. CONCLUSION: PaSSV has geographical and temporal validity, making it useful for risk-adjustment in stroke outcomes research, including in multi-jurisdiction analyses.
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 | 0,010 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| 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 ».