Utilisation des bases de données médico-administratives du Québec pour des études en santé mentale : opportunités, défis méthodologiques et limites – cas de la dépression chez les personnes diabétiques
Bibliographic record
Abstract
L’utilisation des bases de données médico-administratives pour les études sur des questions de santé mentale est très fréquente compte tenu du grand nombre de personnes représentées dans ces bases de données et aussi du fait qu’elles portent sur plusieurs années. Plusieurs défis, liés par exemple à l’identification des personnes ayant une maladie d’intérêt ou exposées à un facteur de risque, sont à surmonter à travers des études de validation pour garantir une utilisation optimale de ces ressources. Par ailleurs, des limites (absence de certaines informations pertinentes) et la couverture d’une seule partie de la population par le régime public d’assurance médicaments du Québec sont à considérer dans l’interprétation et la généralisation des résultats des recherches à partir de ces bases de données. Dans cet article, nous avons réalisé un survol de l’utilisation des bases de données médico-administratives pour des études épidémiologiques, en utilisant comme exemple le cas spécifique de la dépression. Nous avons en particulier utilisé ces bases de données pour déterminer l’incidence de la dépression parmi les personnes diabétiques du Québec. Cela a nécessité l’utilisation d’un algorithme préalablement validé (dans une autre province) que nous avons modifié pour définir et identifier les cas de dépression dans les bases de données de la Régie de l’assurance maladie du Québec (RAMQ). Nous avons observé une incidence de dépression de 9,47/1000 personnes-années sur un suivi de 8 ans. Enfin, nous avons évalué l’impact de la dépression sur l’adhésion et la persistance aux traitements antidiabétiques ainsi que les facteurs qui affectent l’utilisation des médicaments par ces patients. Nos résultats suggèrent que la dépression a un impact négatif sur l’utilisation des médicaments antidiabétiques et permettent d’identifier des pistes de solution.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.105 | 0.284 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.007 | 0.013 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.008 | 0.002 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".