Coding accuracy of abdominal aortic aneurysm repair procedures in administrative databases – a note of caution
Notice bibliographique
Résumé
BACKGROUND: Administrative databases have been used to compare methods used for abdominal aortic aneurysm (AAA) repair. This requires the use of procedural codes whose accuracy has not been established. In this study we measured the accuracy of procedural codes for open AAA repair and endovascular aneurysm repair (EVAR) in administrative databases. METHODS: Between April 2000 and July 2005, we identified all surgeries of non-ruptured AAA using open or EVAR technique at a tertiary-care teaching hospital. During the same time period, we identified all patients who were coded with either an open AAA repair or EVAR. RESULTS: During the study period, 514 people had an elective AAA repair or were coded with one. Coding quality of open AAA repair was poor (sensitivity 48.1%; specificity 77.4%; accuracy 52.9%) while that for EVAR was slightly better (sensitivity 58.2%; specificity 100%; accuracy 93.6%). We developed an algorithm that included similar procedures and considered anaesthetic type to improve the identification of both open repair (sensitivity 97.7%; specificity 86.9%; accuracy 95.9%) and EVAR (sensitivity 84.8%; specificity 99.5%; accuracy 97.3%). CONCLUSION: Administrative database codes that are routinely used to identify open AAA repairs or EVARs are inaccurate. However, slight modifications to the coding algorithms permit the use of administrative databases to study AAA repair.
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 | 0,179 | 0,487 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,005 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».