Enhancing population-level research among people who inject drugs: a validation and retrospective cohort study using health administrative data in Ontario, Canada
Notice bibliographique
Résumé
ObjectiveHealth administrative data can support population-level research among people who inject drugs (PWID), however these data sources remain underutilized due to the difficulty in identifying drug use in routinely collected data. We validated case-ascertainment algorithms to identify PWID and tested their application in a hepatitis C (HCV) cohort in Ontario, Canada. ApproachWe conducted a validation study using reference standard cohorts of PWID recruited via community-based studies and population controls linked to health administrative data in Ontario, Canada (1992-2020). Tested case-ascertainment algorithms included combinations of hospitalizations/emergency department (ED) visits for drug use/poisoning, physician visits for drug use, opioid agonist treatment (OAT), or injecting-related infections. Sensitivity and specificity were estimated for lifetime history and recent injecting (past 1-5 years). We applied a high-performing algorithm among all Ontarians with laboratory-confirmed HCV between 1999-2018, to identify a sub-cohort of PWID with HCV. ResultsAn algorithm including ≥1 hospitalization/ED visit or ≥1 physician visit for drug use or ≥1 OAT record had high accuracy for identifying IDU history (91.6% sensitivity, 94.2% specificity) and recent IDU (using 3 years lookback: 80.4% sensitivity, 99% specificity). When applied to a provincial cohort of 112,947 Ontarians diagnosed with HCV, this algorithm estimated 46% (N=52,248) had a history of IDU, of whom 52% (N=27,246) had an indication of recent IDU (within the past 3 years). ConclusionThe methods developed in this study can enhance the capacity of population-level health research among people who inject drugs and support applied public health interventions towards hepatitis C elimination.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 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 ».