MétaCan
Menu
Retour à la cohorte
Enregistrement W4414081028 · doi:10.1016/j.jcjo.2025.08.015

Contrasting approaches to estimate the epidemiology of uveitis in Canadian health administrative data

2025· article· en· W4414081028 sur OpenAlexafffundvenueabout
Tina Felfeli, Luís Palma, Laura C. Rosella, Sherif El-Defrawy, Thomas Albini, Efrem D. Mandelcorn, Jessica Widdifield

Notice bibliographique

RevueCanadian Journal of Ophthalmology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueOcular Diseases and Behçet’s Syndrome
Établissements canadiensSunnybrook Health Science CentreUniversity of TorontoTrillium Health CentrePublic Health Ontario
Organismes subventionnairesUniversity of TorontoOntario Ministry of Health and Long-Term CareSunnybrook FoundationInstitute for Clinical Evaluative Sciences
Mots-clésEpidemiologyUveitisHealth carePublic healthMEDLINEDiseaseHealth services

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: This study aims to investigate the age- and sex-standardized incidence and prevalence of uveitis in Ontario, Canada, from 2000 to 2021. By employing various case definitions, this research seeks to discern trends in uveitis occurrence and provide a comprehensive understanding of its epidemiology. METHODS: A retrospective cohort study utilizing health administrative data was conducted. Multiple case definitions were employed to capture the diverse epidemiological trends of uveitis. Annual age/sex standardized incidence and prevalence rates with 95% confidence intervals (CI) were determined using annual population denominators. RESULTS: The age- and sex-standardized incidence rates exhibited variations over the study period showing a general decline from 2000 to 2021, more notably in recent years. The case definition with one diagnosis code estimated an incidence per 100,000 people of 184.4 (95% CI: 181.5-187.2) in 2000 and 109.2 (95% CI: 107.4-110.9) in 2021. The standardized prevalence exhibited a consistent upward trend, with the case definition requiring "at least one diagnosis code ever" recording 1 998.3 (1 989.1-2 007.5) in 2000 and 2 761.2 (2 752.7-2 769.7) in 2021 per 100,000 people. Lower incidence and prevalence rates were observed when employing case definitions requiring more stringent criteria with additional uveitis-related health encounters. CONCLUSIONS: The estimated trends showed declining standardized incidence, but a persistent increase in prevalence rates over time. These insights contribute valuable knowledge for health care professionals, policymakers, and researchers on the rising prevalence of uveitis and implications for planning for appropriate health care provisions to meet growing demands for uveitis care.

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)0,138
score de la tête « metaresearch » (Gemma)0,344
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,965
Score d'incertitude au seuil0,729

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1380,344
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0040,006
Bibliométrie0,0070,015
Études des sciences et des technologies0,0030,004
Communication savante0,0090,003
Science ouverte0,0090,005
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,293
Tête enseignante GPT0,437
Écart entre enseignants0,144 · 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.

Devis d'étudeObservationnel
DomaineMéthodes
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission4
Résumé présentnon

Explorer davantage

Même revueCanadian Journal of OphthalmologyMême sujetOcular Diseases and Behçet’s SyndromeTravaux en français237 207