Validation des données périnatales de la Base de données sur les congés des patients de l’Institut canadien d’information sur la santé
Bibliographic record
Abstract
Nous avons comparé les données périnatales consignées dans la base de données sur les hospitalisations de l’Institut canadien d’information sur la santé (ICIS) à celles de la Nova Scotia Atlee Perinatal Database (NSAPD) afin d’évaluer l’exactitude des renseignements de l’ICIS. Le codage des interventions, comme les césariennes, est exact (sensibilité de 99,8 % et spécificité de 98,7 %). L’hémorragie du post-partum, le déclenchement artificiel du travail et l’hémorragie intraventriculaire grave avaient également des taux de sensibilité et de spécificité de plus de 85 % et de plus de 95 %, respectivement. Le codage de certains diagnostics dont les définitions diffèrent dans lesdeux bases de données était moins exact. Citons le cas du syndrome de détresse respiratoire (SDR) qui avait une sensibilité de 50,9 % et une spécificité de 99,8 %. L’exactitude du codage peut être améliorée en limitant l’analyse aux formes les plus graves de la maladie. Par exemple, on obtient une sensibilité de 100 % et une spécificité de 99,6 % en limitant le SDR au SDR grave dans la NSAPD et en combinant les codes du SDR et de l’intubation afin d’identifier le SDR grave dans la base de données de l’ICIS. Notre étude cautionne l’utilisation des données de l’ICIS pour la surveillance nationale de la morbidité périnatale, à condition que leur interprétation soit facilitée par une compréhension de la pratique clinique et par des analyses de sensibilité visant à assurer la fiabilité des résultats.
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 | 0.069 | 0.216 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.007 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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".