Identifying a Birth Cohort of Twins from Linked Data – Challenges and Opportunities
Notice bibliographique
Résumé
ObjectiveIn the absence of accurate perinatal records, identifying and differentiating twins in administrative records is difficult because of their similarity; they share surnames, dates of birth, and residences. In administrative databases, events within twin pairs are often incorrectly identified as being from one individual, representing a threat to data accuracy. An inability to identify twins in administrative data precludes applying powerful twin-based causal inference methods to understand health and social well-being. ApproachWe developed an algorithm using linked administrative birth, perinatal, emergency department, and hospital records in Victoria, Australia from 1 January 1993 to 31 December 2023. We probabilistically linked a sample of 1,434 ‘known’ twin pairs from the Australian Twin Registry to validate the sensitivity of our algorithm. We calculated specificity using a sample of non-twins derived from linked data. ResultsOur algorithm identified 37,900 twin pairs, 75,800 twin individuals, in the Victorian linked dataset. The accuracy of our ascertainment of twins by key characteristics will be presented and discussed. ConclusionsThe birth cohort we have generated is one of the largest twin cohorts in the world with unprecedented granularity in longitudinal health and social data. ImplicationsOur algorithm improves the accuracy of administrative data repositories and linkage, providing novel information on where errors in previous linkages have occurred due to limited familial or intergenerational information. Our large population-based birth cohort of twins can be used to investigate the familial and non-familial determinants of health using advanced causal inference which leverages the natural similarity between twins.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 tête enseignante, 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 ».