Identifying pediatric hypertension in observational data: comparing clinical and claims cohorts in real-world data
Notice bibliographique
Résumé
We conducted retrospective public health surveillance using data from 2006 to 2016 in 7 integrated delivery systems from the US Food and Drug Administration's Sentinel System. We identified pediatric hypertensive patients by clinical and claims-based definitions and compared demographics, baseline profiles, and follow-up time profiles. Among 3 757 803 pediatric patients aged 3 to 17 years, we identified 781 722 children and 551 246 teens with at least 3 blood pressure measurements over 36 months. Of these, 70 315 children (9%) and 47 928 teens (8.7%) met the clinical definition for hypertension, and 22 465 (2.8%) children and 60 952 (11%) of teens met the clinical definition for elevated, nonhypertensive blood pressure. Of the 3.7 million patients, we identified 3246 children and 7293 teens with any claim for hypertension (claims definition). Evidence of hypertension claims among those meeting our clinical definition was poor; 2.2% and 7.3% of clinically hypertensive children and teens had corresponding claims for hypertension. Baseline profiles for patients with claims-based hypertension suggest greater severity of disease compared with clinical patients. Claims-based patients had higher rates of all-cause mortality during follow-up. Pediatric hypertension in claims-based data sources is under-captured but may serve as a marker for greater disease severity. Investigators should understand coding practices when selecting real-world data sources for pediatric hypertension work.
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 | 0,035 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 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 ».