Identification des personnes utilisant des drogues injectables dans les données clinico-administratives : développement et validation d’un algorithme au CHUM
Bibliographic record
Abstract
Contexte : Les personnes utilisant des drogues injectables (PUDI) sont particulièrement à risque d’infections bactériennes telles que l’endocardite infectieuse, les infections ostéo-articulaires et les infections de la peau et des tissus mous. Leur identification, difficile dans les bases de données clinico-administratives, constitue un préalable essentiel pour mieux documenter leurs facteurs de risque et leur prévalence. Objectifs : Ce mémoire vise à développer et valider un algorithme d’identification des PUDI à partir des données clinico-administratives du Centre hospitalier de l’Université de Montréal (CHUM), en ciblant les patients admis au service des urgences entre 2012 et 2022 pour une infection bactérienne potentiellement liée à l’usage de drogues injectables. Méthodes : Un échantillon aléatoire de 4 000 patients a été extrait de la cohorte TRENDS, une cohorte rétrospective construite à partir des données clinico-administratives du CHUM, et divisé en deux sous-ensembles : un ensemble de développement (n = 3 000) et un ensemble de validation (n = 1 000). Le statut PUDI de chaque patient a été établi à partir d'une révision manuelle des dossiers médicaux. Une analyse univariée a d’abord été réalisée pour identifier les variables significativement associées au statut PUDI. Ces variables ont ensuite été intégrées à des modèles de régression logistique multivariée. Plusieurs modèles ont été construits, puis comparés selon leurs performances diagnostiques, en s’appuyant notamment sur la sensibilité, la spécificité, les valeurs prédictives, la courbe ROC (Receiver Operating Characteristic) et le score F1. Le modèle le plus parcimonieux et optimisant les critères dont le F1 a été retenu comme modèle final. Résultats : Après l’analyse univariée, 12 modèles ont été développés et évalués. Le modèle final a été retenu pour ses bonnes performances et sa simplicité d’implantation. Les variables les plus prédictives comprenaient l’âge, le statut sérologique VIH (virus de l'immunodéficience humaine) et VHC (virus de l'hépatite C), le temps d’attente à l’urgence, les antécédents de consommation de cocaïne et d’opiacés, la consultation en médecine des toxicomanies et l’utilisation d’un traitement agoniste aux opioïdes. Ce modèle, fondé sur des variables sociodémographiques, cliniques et liées à l’utilisation des services, a atteint une sensibilité de 0,740, une spécificité de 0,973, une valeur prédictive positive (VPP) de 0,587, une aire sous la courbe (AUC) de 0,937 et un score F1 de 0,655. Conclusions : Cette étude montre qu’un algorithme fondé sur les données clinico-administratives peut permettre d’identifier efficacement les PUDI, ouvrant la voie à de meilleures études épidémiologiques dans une perspective de développement d’interventions ciblées à l’amélioration de la prise en charge clinique de cette population vulnérable.
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 | 0.029 | 0.098 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.006 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 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".