Use of Routinely Collected Data to Classify Planned Mode of Delivery Among Pregnancies With a Previous Cesarean Delivery: A Validation Study
Notice bibliographique
Résumé
BACKGROUND: Counseling on the harms and benefits of a planned vaginal versus a planned repeat cesarean delivery often relies on observational studies using routinely collected (or administrative) data. However, the accuracy of planned (rather than actual) mode of delivery classifications in such data remains unknown. This study aimed to evaluate the validity of an administrative data-based algorithm to identify planned vaginal and planned cesarean deliveries among individuals with a previous cesarean. METHODS: An algorithm based on diagnostic and procedural codes was applied to records from the Nova Scotia Atlee Perinatal Database. Included were individuals with a previous cesarean eligible for a trial of labor between 2017 and 2019. We compared the classification of planned mode of delivery using the algorithm with that determined through review of a random sample of 200 medical charts. We estimated sensitivity, specificity, and predictive values with 95% confidence intervals (CIs). RESULTS: Based on the chart review, 80 deliveries (40%) were planned vaginal deliveries. The algorithm had an estimated sensitivity of 99% (95% CI: 93%, 100%), specificity of 96% (95% CI: 91%, 99%), positive predictive value of 94% (95% CI: 87%, 98%), and negative predictive value of 99% (95% CI: 95%, 100%) for identifying planned vaginal deliveries. CONCLUSIONS: An algorithm based on routinely collected data accurately classified planned vaginal and planned cesarean deliveries among individuals with a previous cesarean. These findings suggest that studies using similar algorithms to inform counseling on planned mode of delivery in this population are minimally impacted by misclassification of this data.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».