Misattribution bias of COVID-19 hospitalizations in Alberta using an admission algorithm
Notice bibliographique
Résumé
Background: With initial waves of COVID-19, many public health systems assumed each COVID-19 positive hospitalization was a direct cause from COVID-19 infection. Since January 2022, Alberta Health Services Communicable Disease Control Hospitalization Team (CDC-HT) implemented an admission criteria algorithm to adjudicate COVID-19 as a direct, contributing, or unrelated cause for all COVID-19 admissions in Alberta. Methods: This quality improvement initiative sought to improve the admission algorithm's precision in reporting COVID-19 admissions. Patient hospitalization records from January-February 2022 with a positive COVID-19 test in the last 30 days were proportionally sampled in a geographically stratified manner across Alberta health zones. 261 patient records were sampled and determination of COVID-19 attribution by CDC-HT algorithm was compared to adjudication by a panel of infectious diseases physicians with extensive COVID-19 clinical experience. Results: Of 261 sampled COVID-19 admissions, blinded physician adjudication determined 39.9% were direct-cause, 17.2% contributing-cause, and 37.6% unrelated-cause. Within the same cohort the CDC-HT admission algorithm adjudicated 42.9% direct-cause, 24.5% contributing-cause, and 30.3% unrelated-cause. Cohen's kappa was 0.475, providing only moderate agreement. The majority of discrepancy was from over-attribution of unrelated hospitalizations as contributing cause. Implementation of this algorithm in Alberta throughout 2022 showed a fluctuating proportion of direct plus contributing COVID-19 hospitalizations as low as 40%. Conclusion: There was misattribution bias in COVID-19 hospitalization determination using the admission algorithm. The findings from this analysis led to improvements in the algorithm to improve precision. Public health jurisdictions should review their COVID-19 hospitalization reporting approaches to ensure validity and consideration of incidental cases.
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 | 0,063 | 0,198 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| 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 ».