计算机编码的口头尸检算法错误分类率的具体国家估计

科学领域:

• 流行病学 流行病学
• 生物统计学 生物统计学
• 公共卫生 公共卫生

背景情况:

• 计算机编码口语尸检 (CCVA) 算法对于确定死亡原因 (COD) 和估计因特定死亡率 (CSMF) 至关重要.
• 经常通过CCVA算法错误分类的COD引入了CSMF估计中的偏差.
• 现有的VA校准框架可能会忽视系统模式和跨国变化,限制准确性.

研究的目的:

• 开发和验证一个国家特定的VA校准框架,以减少COD错误分类偏差.
• 为了估计和清单CCVA算法错误分类率在不同的国家和年龄组.
• 提高从口头尸检数据中得出的人口一级死亡率估计的准确性.

主要方法:

• 利用CHAMPS (儿童健康和预防死亡监测) 数据,估计了三种CCVA算法 (专家算法VA,InSilicoVA,InterVA) 的错误分类率.
• 八个国家的两个年龄组 (新生儿和1-59个月的儿童) 的估计率.
• 应用莫桑比克特定的利率来校准COMSA项目的仅VA数据.

主要成果:

• 与同质模型相比,国家特定模型更好地适应了错误分类率,大大减少了新生儿和儿童的平均绝对损失.
• 在CCVA算法中观察到一致的错误分类模式,系统地高估或低估某些原因.
• 对COMSA数据的校准导致新生儿和儿童CSMF的显著转变,包括败血症/脑膜炎/感染和疟疾的增加,以及与分娩相关的事件,早产和肺炎的减少.

结论:

• 现在可以查看跨年龄组,算法和国家的VA错误分类率,从而能够更广泛地对VA数据进行校准.
• 该研究确定了CCVA中的系统算法偏差,突出了未来算法改进的领域.
• 集成的VA校准工作流,由开源软件支持,在改善全球死亡率监测系统的准确性方面取得了重大进展.