Estimating health-selective migration in patients with systemic lupus erythematosus or Sjogren's from administrative data
Bibliographic record
Abstract
Les organismes canadiens de santé publique ont le mandat de surveiller la prévalence, incidence, et les tendances des maladies chroniques dans notre pays. De plus en plus, ces agences utilisent des bases de données administratives sur la santé à ces fins. Cependant, l'utilisation valable de ces sources de données pour la surveillance des maladies chroniques exige une compréhension de certaines limites inhérentes, en particulier la migration sélective par l'état de santé, ce qui se produit lorsque les gens migrent de façon différente du à leur état de santé. Nous avons effectué une évaluation des déménagements chez des patients ayant le lupus érythémateux disséminé ou le syndrome de Sjogren's tel qu'identifiés dans les données des réclamations des médecins et des hôpitaux du Québec. La régression logistique hiérarchique a été utilisée pour comparer les taux de migration chez des patients atteints de lupus ou de Sjogren's aux taux de déménagement dans un échantillon de concordance des fréquences par âge et par sexe de la population de Montréal.Dans notre échantillon, l'association entre les maladies et la migration a démontré des modifications par l'âge du patient et la durée de sa maladie. Les patients lupiques ou ayant le Sjogren's déménagent moins quand ils sont plus jeunes. Par exemple, à 30 ans et atteint de l'une de ces maladies depuis deux ans les patients lupiques (RC: 0.54, intervalle crédible (ICr) 95% 0.45-0.6) et ceux atteints de Sjogren's (RC: 0.41, ICr 95% 0.28-0.56) ont des cotes de déménagement moins élevés que ceux du groupe témoin. Par contre, à 50 ans et plus, les cotes de migration des patients lupiques et ayant le Sjogren's sont comparables et même légèrement supérieures à celles du groupe témoin. Les patients âgées de 70 ans étant malades depuis 2 ans ont un rapport de cotes de déplacement de 1,29 (ICr 95%: 1,04-1,58) pour ceux atteints du lupus et de 1,09 (ICr 95%, 0,81-1,42) pour ceux ayant le Sjogren's. Aussi, l'association entre la migration et la durée de la maladie était qualitativement différente entre les patients lupiques et les patients atteints de Sjogren's. Par exemple, les patients ayant le lupus depuis un an ont montrés un rapport de cotes de 0,96 (ICr 95%, 0,93-098) et les patients atteint de Sjogren's ont montrés un rapport de cotes de 1,05 (ICr 95% 1,00-1,10) par an de durée de maladie.Les résultats étaient similaires lorsque le groupe témoin était composé de patients qui n'avaient pas encore été diagnostiqués ou lorsqu'on regarde les migrations à l'échelle régionale. Ce mémoire supporte l'idée que les maladies chroniques peuvent affecter les taux de migration et que ceux-ci peuvent varier en fonction de l'âge du patient, de la maladie et de la durée de cette maladie.
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 | 0.010 | 0.033 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".