QTP-MACE Protocol Appendices Aug2024
Notice bibliographique
Résumé
Medications which can prolong the QT-interval on an electrocardiogram have been associated with fatal and major non-fatal adverse events affecting the heart (MACE). Despite the severity of the outcome and the very frequent need to prescribe these medications, it is surprisingly unclear which medications actually cause MACE in clinical practice for which patients and under what set of circumstances. Meanwhile computerized alerts regarding these medications are constantly disrupting patient care and may lead to lower quality prescribing and physician burnout. This is an international problem. We have formed the largest hospital electronic medical record (EMR) research network in Canada to be able to address this important patient safety issue. Our combined use of the Ontario GEMINI network and Epic-Dovetale EMR data has huge power because of the nearly 1 million patients, the rich data including medication exposure, outcomes and risk factor determination that is not available elsewhere, and the development of data structure that allows for future international collaborations. Our objectives are to a) investigate whether ‘known’ QT-prolonging medications (QTPmeds) are associated with an increased risk of MACE using advanced time-varying methods, b) use advanced machine learning methods to determine which patients, with which other diseases, medications and lab abnormalities, are more likely to suffer MACE while taking a QTPMed, and c) map our data to OMOP international standards. This project will not only improve patient safety dramatically by improving the accuracy of QTPmeds-related alerts, it will also improve productivity and work satisfaction for thousands of healthcare providers internationally. In addition, the continued expansion and improvement of the largest Canadian hospital EMR research data platform is a huge new opportunity for future high-quality research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,063 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,705 | 0,382 |
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 validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».