MétaCan
Menu
Retour à la cohorte
Enregistrement W6961077492 · doi:10.1371/journal.pone.0291997.s003

Evaluating class solutions: model fit criteria.

2023· article· en· W6961077492 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced Electron Microscopy Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLatent class modelTuberculosisPopulationCategorizationPrimary careHealth careEmergency departmentPrimary health care

Résumé

récupéré en direct d'OpenAlex

<div><p>Background</p><p>Recent data have demonstrated that healthcare use after treatment for respiratory tuberculosis (TB) remains elevated in the years following treatment completion. However, it remains unclear which TB survivors are high healthcare users and whether any variation exists within this population. Thus, the primary objective of this study was to identify distinct profiles of high healthcare-use TB survivors to help inform post-treatment support and care.</p><p>Methods</p><p>Using linked health administrative data from British Columbia, Canada, we identified foreign-born individuals who completed treatment for incident respiratory TB between 1990 and 2019. We defined high healthcare-use TB survivors as those in the top 10% of annual emergency department visits, hospital admissions, or general practitioner visits among the study population during the five-year period immediately following TB treatment completion. We then used latent class analysis to categorize the identified high healthcare-use TB survivors into subgroups.</p><p>Results</p><p>Of the 1,240 people who completed treatment for respiratory TB, 258 (20.8%) people were identified as high post- TB healthcare users. Latent class analysis results in a 2-class solution. Class 1 (n = 196; 76.0%) included older individuals (median age 71.0; IQR 59.8, 79.0) with a higher probability of pre-existing hypertension and diabetes (41.3% and 33.2%, respectively). Class 2 (n = 62; 24.0%) comprised of younger individuals (median age 31.0; IQR 27.0, 41.0) with a high probability (61.3%) of immigrating to Canada within five years of their TB diagnosis and a low probability (11.3%) of moderate to high continuity of primary care.</p><p>Discussion</p><p>Our findings suggest that foreign-born high healthcare-use TB survivors in a high-resource setting may be categorized into distinct profiles to help guide the development of person-centred care strategies targeting the long-term health impacts TB survivors face.</p></div>

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,379
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,143
Tête enseignante GPT0,456
Écart entre enseignants0,313 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetAdvanced Electron Microscopy Techniques and ApplicationsTravaux en français237 207