Improving public health surveillance methods to expose the silent epidemic of incident and recurrent traumatic brain injury in the general population
Bibliographic record
Abstract
Les traumatismes cranio-cérébraux (TCC) demeurent un défi pour la santé publique car elles entraînent un fardeau économique important pour la société. Une évaluation précise du fardeau de blessures des TCC peut fournir des preuves qui permettent de justifier l'allocation des ressources de soins de santé et peut évaluer l’efficacité d’interventions qui pourraient d'atténuer le fardeau de blessures. Malheureusement, les approches actuelles pour mesurer le fardeau des cas incidents ont une précision médiocre et demandent beaucoup de ressources. De plus, le TCC incident ne représente qu'une partie du fardeau des blessures, car le TCC récidivant (rTCC) se produit fréquemment. Malgré leur contribution importante au fardeau global des TCC, les blessures récidivantes sont peu étudiées et n'ont pas été décrites de manière exhaustive dans la population générale. Compte tenu de ces importantes lacunes dans les connaissances concernant la mesure et le contrôle du fardeau des TCC, les TCC sont considérés une « épidémie silencieuse ». Le but de cette thèse est d'améliorer les méthodes utilisées pour effectuer la surveillance des TCC pour les cas incidents et récidivants, de sorte que le fardeau des blessures puisse être évalué avec précision et de manière exhaustive à l'aide de sources de données facilement disponibles, ce qui aidera également à améliorer la qualité de recherche épidémiologique sur le TCC.Dans le premier manuscrit, les données administratives sur la santé d'un échantillon aléatoire de 25% de résidents de Montréal de 2000 à 2014 ont été utilisées pour effectuer une analyse hiérarchique de classes latentes bayésiennes. En utilisant ces méthodes, l'incidence de TCC, ajustée pour les erreurs de mesure, et la précision (sensibilité/spécificité) ont été estimées pour des définitions de cas de TCC largement utilisées basées sur la Classification Internationale des Maladies, ou sur des examens radiologiques de la tête.Dans le deuxième manuscrit, une recherche systématique a été menée sur MEDLINE, EMBASE et dans les références des études incluses jusqu'au 16 janvier 2017, pour des études observationnelles de la population générale rapportant le risque de rTCC ou leurs facteurs de risque. Ces derniers paramètres n'ont pas été méta-analysés en raison d'une importante hétérogénéité méthodologique entre les études, qui a été évaluée par méta-régression. Dans le troisième manuscrit, les limites méthodologiques de la surveillance des rTCC identifiées dans le deuxième manuscrit ont été adressées. Des modèles de classe latente bayésienne ont été développés en utilisant la même population d'étude et la même source de données que dans le premier manuscrit pour estimer l'incidence de rTCC, corrigée pour les erreurs de mesure, dans l'année qui suit une blessure index, et la précision des définitions de cas du rTCC largement utilisées dans les banques de données administratives de santé.Cette thèse démontre qu'une surveillance de TCC précise des cas incidents est possible avec des données de santé administratives, à condition que des méthodes soient utilisées pour tenir compte des erreurs de mesure. En outre, cette thèse souligne que le rTCC, qui était auparavant largement ignoré dans la population générale, est un contributeur important au fardeau de TCC. Cependant, la littérature sur l'épidémiologie et la surveillance du rTCC dans la population générale présente plusieurs limites méthodologiques. L'amélioration des méthodes de surveillance des cas incidents de TCC et de rTCC fournie dans cette thèse permet également aux chercheurs en épidémiologie d'identifier avec précision les cas incidents de TCC et rTCC dans les données administratives de santé. Ce faisant, ces chercheurs peuvent fournir des preuves de meilleure qualité avec des inférences valables sur l'impact des interventions qui pourraient atténuer le fardeau de blessures. Toutes ces informations ensemble donnent une voix plus forte à l'épidémie des TCC autrefois silencieuse
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 | 0.033 | 0.100 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".