MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410883535 · doi:10.1016/j.jclinepi.2025.111857

Enhancing risk prediction base on health administrative data using high-dimensional prediction model

2025· article· en· W4410883535 sur OpenAlexafffund
Md. Belal Hossain, Mohsen Sadatsafavi, Hubert Wong, Victoria Cook, James C. Johnston, Mohammad Ehsanul Karim

Notice bibliographique

RevueJournal of Clinical Epidemiology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueTuberculosis Research and Epidemiology
Établissements canadiensBC Centre for Disease ControlCentre for Advancing Health OutcomesSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesUniversity of British Columbia
Mots-clésBase (topology)Predictive modellingComputer scienceMedicineData miningStatisticsMachine learningMathematics

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Health administrative datasets often do not contain important clinical variables for predicting the risk of medical outcomes. However, they often contain a wide range of health-care variables that can be used to develop a high-dimensional prediction model (hdPM) that compensates for the lack of clinical predictors. We aimed to compare the predictive performance of an hdPM with a conventional model that relies only on investigator-specified clinical predictors. STUDY DESIGN AND SETTING: Using data on 2923 individuals diagnosed with tuberculosis (TB), a Cox proportional hazards model was used to simulate a time-to-event outcome using plasmode simulation. We considered two scenarios: whether strong or weak predictors were unavailable in the development sample. Conventional and hdPMs were fitted without and with least absolute shrinkage and selection operator (LASSO) shrinkage and were compared in terms of internally validated time-dependent c-statistic and calibration. RESULTS: The hdPMs had a better time-dependent c-statistic in predicting TB mortality and also outperformed the conventional model in terms of time-dependent c-statistic in our simulations. Compared to a c-statistic of 0.78 for the conventional model with a strong unobserved predictor, LASSO-based hdPMs had a c-statistic of 0.90. While non-penalized hdPMs exhibited overfitting, LASSO-based hdPMs demonstrated superior cross-validated discrimination and calibration. Results were consistent in sensitivity analyses with varying numbers of additional health-care variables and different outcome types. CONCLUSION: Health administrative data can compensate for the lack of known and important clinical variables with many health-care variables from the linked databases, especially in hdPMs with LASSO-regularization, substantially enhance predictive accuracy and offer a robust approach for risk stratification and assessment in epidemiological research. PLAIN LANGUAGE SUMMARY: Researchers develop prediction models with only clinical variables. But health administrative data often do not contain some clinical variables. For example, smoking, weight, height, physical activity, and diet data are unavailable. They do have codes such as International Classification of Diseases (ICD)-9/10 diagnostic codes. We transformed these codes into binary and count variables. We created models to predict tuberculosis mortality. The models were not very accurate when using only clinical variables. Accuracy improved when we added the codes. We can use this kind of model in policy and research. For example, we can identify people at high mortality risk. We can then design interventions for the high-risk group.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,460
Tête enseignante GPT0,582
Écart entre enseignants0,121 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueJournal of Clinical Epidemiology→Même sujetTuberculosis Research and Epidemiology→Travaux en français237 207→