MétaCan
Menu
Retour à la cohorte
Enregistrement W7139788285

Determining the optimal measurement for general practitioner encounters following stroke using linked data from the Australian Stroke Clinical Registry

2021· article· en· W7139788285 sur OpenAlexaff
David Ung, Y Wang, Vijaya Sundararajan, Derrick; id_orcid 0000-0003-0677-0420 Lopez, Monique F. Kilkenny, Dominique A. Cadilhac, A. G. Thrift, Mark Raymond Nelson, Nadine E. Andrew

Notice bibliographique

RevueUWA Profiles and Research Repository (University of Western Australia) · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueStroke Rehabilitation and Recovery
Établissements canadiensInstitute of Population and Public Health
Organismes subventionnairesnon disponible
Mots-clésAkaike information criterionPersistence (discontinuity)Stroke (engine)Proportional hazards modelMeasure (data warehouse)Confidence interval
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Background General practitioners (GPs) provide ongoing support after a stroke, but little is known about these encounters and the metrics to measure them. Objective To compare methods for measuring patterns of GP encounters following stroke in survival models. Methods We performed a landmark analysis using data from the Australian Stroke Clinical Registry (2010–2014) linked with Australian Medicare claims (2009–2016) to determine GP encounters within 18 months following stroke. Continuity of GP encounters (consistency) and regularity (distribution) were each calculated using 3 indices. Indices were compared based on 1-year survival using multivariable Cox regression models. The best performing measures of regularity and continuity, based on model fit, were combined into a composite ‘optimal care’ variable. Results Among 10,728 registrants (43% female, 69% aged ≥65 years), the median number of encounters was 17 (Q1: 10, Q3: 26) within 18 months. The measures most strongly associated with survival (hazard ratio [95% confidence interval], Akaike information criterion [AIC], Bayesian information criterion [BIC]) were the Continuity of Care Index (COCI, as a measure of continuity; 0.88 [0.76–1.02], p = 0.099, AIC = 13746, BIC = 13855) and our persistence measure of regularity (encounter at least every 6 months; 0.80 [0.67–0.95], p = 0.011, AIC = 13742, BIC = 13852). Our composite measure, persistence plus COCI ≥80% (0.80 [0.68–0.94], p = 0.008, AIC = 13742, BIC = 13851), performed marginally better than our persistence measure alone. Conclusion GP continuity and regularity of care are important indicators of ongoing support after stroke. Our persistence measure of regularity or composite indice may be useful measures of patient outcome with respect to general practitioner encounters following stroke.

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)0,029
score de la tête « metaresearch » (Gemma)0,142
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 enseignants0,044
Score d'incertitude au seuil0,153

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,142
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,337
Tête enseignante GPT0,433
Écart entre enseignants0,096 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUWA Profiles and Research Repository (University of Western Australia)Même sujetStroke Rehabilitation and RecoveryTravaux en français237 207