A systematic review of validated methods for identifying venous thromboembolism using administrative and claims data
Notice bibliographique
Résumé
BACKGROUND: Venous thromboembolism (VTE) is a serious complication. Large claims databases can potentially identify the effects that medications have on VTE. The purpose of this study is to evaluate the evidence supporting the validity of VTE codes. METHODS: A search of MEDLINE database is supplemented by manual searches of bibliographies of key relevant articles. We selected all studies in which a claim code was validated against a medical record. We reported the positive predictive value (PPV) for the VTE claim compared to the medical record. RESULTS: Our search strategy yielded 345 studies, of which only 19 met our eligibility criteria. All of the studies reported on ICD-9 codes, but only two studies reported on pharmacy codes, and one study reported on procedure codes. The highest PPV (65%-95%) was reported for the combined use of ICD-9 codes 415 (pulmonary embolism), 451, and 453 (deep vein thrombosis) as a VTE event. If a specific event like DVT (PPV 24%-92%) or PE (PPV 31%-97%) was evaluated, the PPV was lower than when the combined events were examined. Studies that included patients after orthopedic surgery reported the highest PPV (96%-100%). CONCLUSIONS: The use of ICD-9 415, 451, and 453 are appropriate for the identification of VTE in claims databases. The codes performed best when codes were evaluated in patients at higher risk of VTE.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,208 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,011 |
| Bibliométrie | 0,039 | 0,030 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».