Estimating health-selective migration in patients with systemic lupus erythematosus or Sjogren's from administrative data
Notice bibliographique
Résumé
Canadian public health agencies have a mandate to monitor the prevalence, incidence and patterns of chronic disease. These agencies are increasingly using administrative health data for these purposes. However, valid use of administrative data for chronic disease surveillance requires an understanding of some inherent limitations. Health-selective migration, which occurs when people migrate differentially by health status, is a limitation that has not been estimated in administrative data sources. To investigate this issue, we estimated health-selective migration in a cohort of systemic lupus erythematosus (SLE) and Sjogren's patients, identified from physician and hospital claims databases in Quebec and compared them to rates in an age and sex frequency-matched sample from Montreal, Quebec using hierarchical logistic regression. The association between disease and migration was modified by both age and disease duration. Both SLE and Sjogren's patients migrated less than controls when young. For example, 30-year-old SLE (OR 0.54, 95% CrI 0.45-0.64) and Sjogren's (OR 0.41, 95% CrI 0.28-0.56) patients with two years of disease duration had lower odds of moving than frequency-matched controls. Above age 50, the odds of migration in SLE and Sjogren's patients was comparable or slightly higher than in controls. Patients at age 70 with two years of disease duration had an OR of moving of 1.29 (95% CrI 1.04-1.58) in SLE and 1.09 (95% CrI 0.81-1.42) in Sjogren's. The associations between migration and disease duration in SLE and Sjogren's were qualitatively different. One year of SLE duration was associated with an OR of 0.96 (95% CrI 0.93-0.98) and one year of Sjogren's duration was associated with an OR of 1.05 (95% CrI 1.00-1.10). Results were similar when using SLE and Sjogren's patients pre-diagnosis as the control and when looking at migration on a regional scale. Overall, SLE and Sjogren's have an impact on migration rates which varies by age, disease and disease duration.
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 | 0,008 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».