MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161949982 · doi:10.82308/53255

Improving public health surveillance methods to expose the silent epidemic of incident and recurrent traumatic brain injury in the general population

2020· dissertation· en· W7161949982 sur OpenAlexaboutno aff
Oliver Lasry

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueTraumatic Brain Injury Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationPoison controlContext (archaeology)Medical screening

Résumé

récupéré en direct d'OpenAlex

Les traumatismes cranio-cérébraux (TCC) demeurent un défi pour la santé publique car elles entraînent un fardeau économique important pour la société. Une évaluation précise du fardeau de blessures des TCC peut fournir des preuves qui permettent de justifier l'allocation des ressources de soins de santé et peut évaluer l’efficacité d’interventions qui pourraient d'atténuer le fardeau de blessures. Malheureusement, les approches actuelles pour mesurer le fardeau des cas incidents ont une précision médiocre et demandent beaucoup de ressources. De plus, le TCC incident ne représente qu'une partie du fardeau des blessures, car le TCC récidivant (rTCC) se produit fréquemment. Malgré leur contribution importante au fardeau global des TCC, les blessures récidivantes sont peu étudiées et n'ont pas été décrites de manière exhaustive dans la population générale. Compte tenu de ces importantes lacunes dans les connaissances concernant la mesure et le contrôle du fardeau des TCC, les TCC sont considérés une « épidémie silencieuse ». Le but de cette thèse est d'améliorer les méthodes utilisées pour effectuer la surveillance des TCC pour les cas incidents et récidivants, de sorte que le fardeau des blessures puisse être évalué avec précision et de manière exhaustive à l'aide de sources de données facilement disponibles, ce qui aidera également à améliorer la qualité de recherche épidémiologique sur le TCC.Dans le premier manuscrit, les données administratives sur la santé d'un échantillon aléatoire de 25% de résidents de Montréal de 2000 à 2014 ont été utilisées pour effectuer une analyse hiérarchique de classes latentes bayésiennes. En utilisant ces méthodes, l'incidence de TCC, ajustée pour les erreurs de mesure, et la précision (sensibilité/spécificité) ont été estimées pour des définitions de cas de TCC largement utilisées basées sur la Classification Internationale des Maladies, ou sur des examens radiologiques de la tête.Dans le deuxième manuscrit, une recherche systématique a été menée sur MEDLINE, EMBASE et dans les références des études incluses jusqu'au 16 janvier 2017, pour des études observationnelles de la population générale rapportant le risque de rTCC ou leurs facteurs de risque. Ces derniers paramètres n'ont pas été méta-analysés en raison d'une importante hétérogénéité méthodologique entre les études, qui a été évaluée par méta-régression. Dans le troisième manuscrit, les limites méthodologiques de la surveillance des rTCC identifiées dans le deuxième manuscrit ont été adressées. Des modèles de classe latente bayésienne ont été développés en utilisant la même population d'étude et la même source de données que dans le premier manuscrit pour estimer l'incidence de rTCC, corrigée pour les erreurs de mesure, dans l'année qui suit une blessure index, et la précision des définitions de cas du rTCC largement utilisées dans les banques de données administratives de santé.Cette thèse démontre qu'une surveillance de TCC précise des cas incidents est possible avec des données de santé administratives, à condition que des méthodes soient utilisées pour tenir compte des erreurs de mesure. En outre, cette thèse souligne que le rTCC, qui était auparavant largement ignoré dans la population générale, est un contributeur important au fardeau de TCC. Cependant, la littérature sur l'épidémiologie et la surveillance du rTCC dans la population générale présente plusieurs limites méthodologiques. L'amélioration des méthodes de surveillance des cas incidents de TCC et de rTCC fournie dans cette thèse permet également aux chercheurs en épidémiologie d'identifier avec précision les cas incidents de TCC et rTCC dans les données administratives de santé. Ce faisant, ces chercheurs peuvent fournir des preuves de meilleure qualité avec des inférences valables sur l'impact des interventions qui pourraient atténuer le fardeau de blessures. Toutes ces informations ensemble donnent une voix plus forte à l'épidémie des TCC autrefois silencieuse

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)0,033
score de la tête « metaresearch » (Gemma)0,100
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,174

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,100
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,170
Tête enseignante GPT0,481
Écart entre enseignants0,311 · 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.

Devis d'étudeSans objet
DomaineMéthodes
GenreMéthodes

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetTraumatic Brain Injury Research→Travaux en français237 207→