MétaCan
Menu
← Retour à la cohorte
Enregistrement W7009368639

Econometric Analyses of Cardiac Arrest in Ontario, Canada

2022· dissertation· en· W7009368639 sur OpenAlexaboutno aff

Notice bibliographique

RevueMacSphere (McMaster University) · 2022
Typedissertation
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésResuscitationFalse positive paradoxLogistic regressionOddsCardiopulmonary resuscitationPopulationOdds ratioInformation bias
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cardiac arrest is a major cause of mortality and morbidity including recurring cardiac events, cognitive impairments, and mental health issues. This thesis is on empirical analyses of cardiac arrest patients in Ontario, Canada using administrative health data sources. Chapter 1 is a retrospective population surveillance study, which employs logistic regression analysis to examine short-term and long-term survival trends for adult patients in acute care hospitals. The 1-year adjusted odds ratio for initial successful resuscitation is 1.049 (95% CI: 1.022-1.076) when controlling for demographics, pre-admission comorbidities, and hospital of arrest. In stark contrast, there was no evidence of a trend in survival at discharge, 30 days, or 1 year. Results suggest further research into post-resuscitation care in Ontario care may be useful. However, we also find evidence of measurement error coding in successful resuscitation that is trending in magnitude in way that could bias trend estimates. Chapter 2 takes a serious look at the nonclassical measurement error problem in resuscitation success coding identified in the previous chapter. We employ a combination of credible assumptions from within the partial identification econometrics literature to nonparametrically bound the trend is resuscitation while allowing misclassification rates to trend. We also develop a novel approach which weakly restricts asymmetry between false positive and negative rates. We find that restricting false positives and negative to be within 10% and 90% of misclassified observations, in combination with monotonicity assumptions is enough to identify a trend. Chapter 3 follows survivors of cardiac arrest after discharge and investigates follow-up patterns in primary care. These patients remain at high risk of death, recurrence of cardiac events, cognitive impairment, and mental health issues. They may benefit from ongoing monitoring of cardiac risk factors, early mental health screening, and co-ordination of specialist care. This requires continuity of primary care. Primary care reforms in Ontario, Canada have led to the majority of general practitioners (GP) switching from fee-for-service remuneration to enhanced patient enrolment models, which encourage or require GPs to formally enroll most patients attached to their practice. To understand continuity of care across payment models, we use semi-parametric duration models to analyze time to first GP outpatient follow-up visit, distinguishing visits a patient’s own regular GP, and other GPs. We find enrolled patients visit their own (other) GP earlier (later) compared to patients whose regular GP is fee-for-service.

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)0,002
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,043
Score d'incertitude au seuil0,309

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,048
Tête enseignante GPT0,269
Écart entre enseignants0,222 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMacSphere (McMaster University)→Même sujetSepsis Diagnosis and Treatment→Travaux en français237 207→