MétaCan
Menu
Retour à la cohorte
Enregistrement W7110908777 · doi:10.1371/journal.pmen.0000442.s004

Database linkage methods.

2025· article· W7110908777 sur OpenAlexaboutno aff

Notice bibliographique

RevueFigshare · 2025
Typearticle
Langue
DomaineComputer Science
ThématiqueMachine Learning in Healthcare
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMethadoneHazard ratioConfidence intervalCohortOpioidProportional hazards modelCohort studyMethadone maintenance

Résumé

récupéré en direct d'OpenAlex

<div> Early in the SARS-Cov-2 pandemic, modified clinical guidance recommended the provision of take-home methadone doses for those previously ineligible to facilitate social distancing. Following this change, studies reported improved treatment retention among patients granted expanded access to take-home doses. However, most patients resumed daily dispensed methadone within six months. Factors associated with the return to daily dispensed methadone remain unknown. Therefore, we conducted a population-based cohort study to identify patient and prescriber-related characteristics associated with return to daily dispensed methadone. Our study included all residents of Ontario, Canada who received daily dispensed methadone on March 21, 2020, and were then provided at least one take-home dose between March 22, 2020, and April 21, 2020. Follow-up time was divided into 14-day discrete time intervals. The primary outcome was return to daily dispensed methadone, defined as the first interval where a take-home dose was not dispensed. A multilevel discrete time survival model with a complementary log-log link function and random intercepts across prescribers to account for patient clustering by prescriber was used to approximate cause-specific hazard ratios. Within 26 weeks, 1,675 (58.5%) individuals were reverted to daily dispensed methadone. Person-level variables significantly associated with our primary outcome included occurrence of an emergency department visit during or before the interval of interest (HR = 1.27; 95% CI = 1.05, 1.55) and missed methadone dose(s) in the interval prior (HR = 1.59; 95% CI = 1.44, 1.76). Lastly, patients prescribed methadone by a high-volume (top 20<sup>th</sup> percentile) opioid agonist treatment prescriber had an increased hazard of return to daily dispensed methadone compared to those prescribed methadone by a low-volume (50<sup>th</sup> percentile) prescriber (HR = 1.44; 95% CI = 1.14, 1.83). While patient characteristics that may indicate clinical instability, such as recent history of missed methadone dose(s) were associated with return to daily dispensed methadone, prescriber OAT client volume was also be associated this outcome. </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)0,001
score de la tête « metaresearch » (Gemma)0,013
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,519
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0030,004
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,2590,010

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 Opus0,074
Tête enseignante GPT0,432
Écart entre enseignants0,358 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetMachine Learning in HealthcareTravaux en français237 207