Performance des définitions administratives de cas pour les affections concomitantes de la sclérose en plaques au Manitoba et en Nouvelle-Écosse
Bibliographic record
Abstract
Introduction Au fur et à mesure du vieillissement de la population et de l'augmentation de la prévalence d'affections concomitantes, le recours à des méthodes fiables et efficaces de surveillance des affections concomitantes de maladies chroniques telles que la sclérose en plaques (SP) s'avère de plus en plus nécessaire. Méthodologie Nous avons évalué, au moyen de la statistique kappa (k), la performance des définitions administratives de cas pour les affections concomitantes fréquemment observées en lien avec la SP en comparant les concordances entre les données administratives et les données provenant d'autodéclarations au Manitoba (MB) (n = 606) et en Nouvelle-Écosse (NS) (n = 1 923). Résultats Les concordances entre les définitions administratives et les autodéclarations étaient bonnes pour l'hypertension (k = 0,69 [NS] et 0,76 [MB]) et le diabète (k = 0,70 [NS] et 0,66 [MB]), modérées pour l'hyperlipidémie (k = 0,53 [NS] et 0,51 [MB]) et la cardiopathie (k = 0,42 [NS] et 0,51 [MB]) et médiocres pour l'anxiété (k = 0,27 [NS] et 0,26 [MB]). La concordance était bonne en Nouvelle-Écosse pour la maladie inflammatoire chronique de l'intestin (k = 0,71) et modérée pour l'épilepsie (k = 0,48). Conclusion Les définitions administratives étaient performantes dans les deux provinces pour plusieurs affections concomitantes fréquemment observées en lien avec la SP. À la lumière de ces résultats, il semble que ces définitions puissent être utilisées plus largement au Canada et dans les études nationales.
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 | 0.022 | 0.077 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".