MétaCan
Menu
← Retour à la cohorte
Enregistrement W6961044919 · doi:10.14288/1.0447730

Application of physician claims and hospital discharge data to the classification of carotid endarterectomy symptomatic status and to the analysis of the symptom to surgery process

2025· article· en· W6961044919 sur OpenAlexaboutno aff

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCerebrovascular and Carotid Artery Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCarotid endarterectomyHospital dischargeEndarterectomyMedical recordCohortRetrospective cohort studyMEDLINE

Résumé

récupéré en direct d'OpenAlex

Background and purpose. The discipline of quality improvement emphasizes the use of data to improve specific and measurable attributes of performance. Using the example of carotid artery endarterectomy (CEA) for carotid artery stenosis, this thesis examined the use of hospital discharge and physician claims data for two quality improvement use cases. In Study 1, claims data were used to assemble patient cohorts based on symptomatic status at time of CEA. In Study 2, claims data were used to identify process-related causes of delayed symptomatic CEA. Methods. A single hospital’s administrative database was used to assemble a retrospective cohort of participants who had undergone CEA. Chart review data were linked with physician claims and hospital discharge data. In Study 1, a standard method of classification by hospital discharge diagnosis was compared to classification using physician claims and hospital discharge data. In Study 2, delays related to the selection of medical care activities, such as physician visits and diagnostic tests, were investigated using linear regression models of waiting time for surgery and K-means clustering for patterns of activity co-occurrence. Results. We identified 971 participants undergoing CEA at the Vancouver General Hospital (Vancouver, Canada) between January 1, 2008, and December 31, 2016. For Study 1, 729 people met inclusion/exclusion criteria and were included in diagnostic classification models (615 training, 114 test). Classification of symptomatic status using hospital discharge diagnosis codes was 32.8% (95% CI 29% – 37%) sensitive and 98.6% specific (96% – 100%). At matched 98.6% specificity, models that incorporated physician claims data were significantly more sensitive: elastic net 69.4% (59% – 82%) and random forest 78.8% (69% – 88%). In Study 2, K means clustering and linear regression analyses of process delay yielded similar results: early evaluation by emergency physicians or neurologists was associated with reduced delay, whereas carotid ultrasonography and post-imaging follow up with general practitioners or eye specialists was associated with greater delay. Conclusion. Physician claims data can be used within quality improvement projects for cohort definition and process analysis use 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 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)0,016
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,078
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,214
Écart entre enseignants0,206 · 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'étudeObservationnel
Domainenon disponible
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'admission1
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)→Même sujetCerebrovascular and Carotid Artery Diseases→Travaux en français237 207→