19. Prevalence of diagnostic discordance: A retrospective analysis of autopsy findings and clinical diagnoses
Notice bibliographique
Résumé
The prevalence of medical error in health care systems has compromised the quality of health care delivery. The research on medical errors in hospitalized population has consistently revealed high rates of misdiagnosis. Autopsy examination has been an established tool for quality assurance programs. The objective of this study was to determine the discrepancy rates between clinical and autopsy findings in patients admitted to various hospitals (Royal University hospital, RUH; St. Paul’s hospital, SPH; Saskatoon city hospital, SCH) of Saskatoon Health Region. A retrospective record review of the medical and autopsy charts was carried out for all the deceased adult in-patients admitted during the years 2002, 2003, and 2004. All autopsies were carried out either in the morgue of RUH or at SPH hospital. A total of 3416 in-patient deaths were registered during the study period. Autopsies were performed on 206 of the deceased resulting in an autopsy rate of 6%. In accordance with selection criteria, 158 cases were included for this study. The mean age of subjects was 66.6 ± 15.2 years with a range of 16 – 94 years. The total concordance rate in this study between clinical and autopsy diagnoses was 75.3%. The discordance rate was 20.9% and in 3.8% of the study population a conclusive clinical or autopsy diagnoses was not finalized. The concordance and discordance rate between clinical diagnoses and autopsy findings when compared between the patients of two hospitals (RUH and SPH) were not significantly different. These results suggest that despite the technical advances in medical and diagnostic modalities, there still persists a significant discordance in clinical and autopsy diagnoses. Our study confirms the wide prevalence of diagnostic discrepancies in the health care system and emphasizes the value of autopsy as an effective quality improvement and educational tool with a strong impact on quality management. 
 Roosen J, Frans E, Wilmer A, Knockaert DC, Bobbaers H. Comparison of premortem clinical diagnoses in critically ill patients and subsequent autopsy findings. Mayo Clin Proc 2000; 75:562-67. 
 Sonderegger-Iseli K, Burger S, Muntwyler J, Salomon F. Diagnostic errors in three medical eras: a necropsy study. Lancet 2000; 10355:2027-31.
 Kalra J. Medical Error: An Introduction to Concepts. Clinical Biochemistry 2004;37:1043-51.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,016 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».