Identifying heart failure in patients with chronic obstructive lung disease through the Canadian Primary Care Sentinel Surveillance Network in British Columbia: a case derivation study
Notice bibliographique
Résumé
BackgroundHeart failure (HF) poses a substantial global health burden, particularly in patients with chronic obstructive pulmonary disease (COPD). The objective of this study was to validate an electronic medical record-based definition of HF in patients with COPD in primary care practices in the province of British Columbia, Canada.MethodsWe conducted a cross-sectional retrospective chart review from Sept. 1, 2018, to Dec. 31, 2018, for a cohort of patients from primary care practices in BC whose physicians were recruited through the BC node of the Canadian Primary Care Sentinel Surveillance Network. Heart failure case definitions were developed by combining diagnostic codes, medication information and laboratory values available in primary care electronic medical records. These were compared with HF diagnoses identified through detailed chart review as the gold standard. Sensitivity, specificity, negative (NPV) and positive predictive values (PPV) were calculated for each definition.ResultsCharts of 311 patients with COPD were reviewed, of whom 72 (23.2%) had HF. Five categories of definitions were constructed, all of which had appropriate sensitivity, specificity and NPV. The optimal case definition consisted of 1 HF billing code or a specific combination of medications for HF. This definition had an excellent specificity (93.3%, 95% confidence interval [CI] 89.4%-96.1%), sensitivity (90.3%, 95% CI 81.0%-96.0%), PPV (80.2%, 95% CI 69.9%-88.3%) and NPV (97.0%, 95% CI 93.8%-98.8%).InterpretationThis comprehensive case definition improves upon previous primary care HF definitions to include medication codes and laboratory data, along with previously used billing codes. A case definition for HF was derived and validated and can be used with data from electronic medical records to identify HF in patients with COPD in primary care accurately.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,002 | 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 ».