Validation of Different Dementia Code-Based Definitions in a Population-Based Study of Rheumatoid Arthritis
Notice bibliographique
Résumé
OBJECTIVE: Rheumatoid arthritis (RA) has been associated with an elevated dementia risk. This study aimed to examine how different diagnostic dementia definitions perform in patients with RA compared to individuals without RA. METHODS: The study population included 2050 individuals (1025 with RA) from a retrospective, population-based cohort in southern Minnesota and compared the performance of 3 code-based dementia diagnostic algorithms with medical record review diagnosis of dementia. For the overall comparison, each patient's complete medical history was used, with no time frames. Sensitivity analyses were performed using 1-, 2-, and 5-year windows around the date that dementia was identified in the medical record (reference standard). RESULTS: Algorithms performed very similarly in persons with and without RA. The algorithms generally had high specificity, negative predictive values, and accuracy, regardless of the time window studied (> 88%). Sensitivity and positive predictive values varied depending on the algorithm and the time window. Sensitivity values ranged 56.5-95.9%, and positive predictive values ranged 55.2-83.1%. Performance measures declined with more restrictive time windows. CONCLUSION: Routinely collected electronic health record (EHR) data were used to define code-based dementia diagnostic algorithms with good performance (vs diagnosis by medical record review). These results can inform future studies that use retrospective databases, especially in the same or a similar EHR infrastructure, to identify dementia in individuals with RA.
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 | 0,028 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».