Evaluating adverse drug event reporting in administrative data from emergency departments: a validation study
Notice bibliographique
Résumé
BACKGROUND: Adverse drug events are a frequent cause of emergency department presentations. Administrative data could be used to identify patients presenting with adverse drug events for post-market surveillance, and to conduct research in patient safety and in drug safety and effectiveness. However, such data sources have not been evaluated for their completeness with regard to adverse drug event reporting. Our objective was to determine the proportion of adverse drug events to outpatient medications diagnosed at the point-of-care in emergency departments that were documented in administrative data. METHODS: We linked the records of patients enrolled in a prospective observational cohort study on adverse drug events conducted in two Canadian tertiary care emergency departments to their administrative data. We compared the number of adverse drug events diagnosed and recorded at the point-of-care in the prospective study with the number of adverse drug events recorded in the administrative data. RESULTS: Among 1574 emergency department visits, 221 were identified as adverse drug event-related in the prospective database. We found 15 adverse drug events documented in administrative records with ICD-10 codes clearly indicating an adverse drug event, indicating a sensitivity of 6.8% (95% CI 4.0-11.2%) of this code set. When the ICD-10 code categories were broadened to include codes indicating a very likely, likely or possible adverse event to a medication, 62 of 221 events were identifiable in administrative data, corresponding to a sensitivity of 28.1% (95% CI 22.3-34.6%). CONCLUSIONS: Adverse drug events to outpatient medications were underreported in emergency department administrative data compared to the number of adverse drug events diagnosed and recorded at the point-of-care.
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 | 0,121 | 0,262 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,005 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».