Pertinence d'une définition de cas administrative pour l'identification du diabète sucré préexistant à la grossesse
Bibliographic record
Abstract
Introduction La détermination précise des cas de grossesse avec diabète préexistant permet d’exercer une surveillance complète des résultats maternels et néonatals associés à cette maladie chronique. Méthodologie Afin de déterminer la pertinence de certaines définitions de cas pour le diabète sucré préexistant lorsqu’on les applique à une population de femmes enceintes, nous avons constitué une cohorte de femmes qui étaient enceintes entre 1991 et 2003 en Nouvelle-Écosse, à partir d’une base de données périnatales provinciale et populationnelle, la Nova Scotia Atlee Perinatal Database (NSAPD). Nous avons associé à cette cohorte des données individuelles issues des bases de données administratives utilisant les données des dossiers de congé des hôpitaux ainsi que les données provenant des services médicaux externes. Nous avons comparé à la définition de référence de la NSAPD divers algorithmes de définition du diabète sucré fondés sur des données administratives, dont l’algorithme proposé par le Système national de surveillance du diabète (SNSD). Résultats L’application de la définition de cas du SNSD à cette population de femmes enceintes a révélé une sensibilité de 87 % et une valeur prédictive positive (VPP) de 66,4 %. Quand on a utilisé les codes de diagnostic de la CIM-9 et de la CIM-10 dans les cas d’hospitalisation avec diabète sucré au cours de la grossesse, la sensibilité et la VPP ont augmenté sensiblement, surtout dans le cas des accouchements effectués dans les centres de soins tertiaires. Pour cette population, les données administratives relatives à la grossesse provenant uniquement de la base de données sur les hospitalisations semblent constituer une source de données plus exacte pour l’identification du diabète préexistant que l’application de la définition de cas du SNSD, particulièrement lorsque les femmes accouchent dans un hôpital de soins tertiaires. Conclusion Même si la définition du diabète établie par le SNSD donne d’assez bons résultats par rapport à une définition de référence de base du diabète, le recours à cette définition pour évaluer les résultats maternels et périnatals associés au diabète durant la grossesse se traduira par un certain degré d’erreur de classification et, par conséquent, par une estimation biaisée 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 | 0.021 | 0.091 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".