MétaCan
Menu
Retour à la cohorte
Enregistrement W1973475092 · doi:10.1136/ip.2006.011924

Unspecified falls among youth: predictors of coding specificity in the emergency department

2006· article· en· W1973475092 sur OpenAlexafffundabout
A K Kaida, Josh Marko, Brent Hagel, P Lightfoot, William Sevcik, Brian H. Rowe

Notice bibliographique

RevueInjury Prevention · 2006
Typearticle
Langueen
DomaineMedicine
ThématiqueInjury Epidemiology and Prevention
Établissements canadiensUniversity of AlbertaUniversity of CalgaryCapital District Health AuthorityUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta Children's Hospital FoundationUniversity of AlbertaChildren's Hospital Foundation
Mots-clésEmergency departmentMedical emergencyCoding (social sciences)Poison controlOccupational safety and healthInjury preventionForensic engineeringHuman factors and ergonomicsSuicide preventionEngineeringMedicinePsychologyPsychiatryStatisticsMathematicsPathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Deficiencies in emergency department (ED) charting is a common international problem. While unintentional falls account for the largest proportion of injury related ED visits by youth, insufficient charting details result in more than one third of these falls being coded as "unspecified". Non-specific coding compromises the utility of injury surveillance data. OBJECTIVE: To re-examine the ED charts of unspecified youth falls to determine the possibility of assigning more specific codes. METHODS: 400 ED charts for youth (aged 0-19 years) treated at four EDs in an urban Canadian health region between 1997 and 1999 and coded as "Other or unspecified fall" (ICD-9 E888) were randomly selected. A structured chart review was completed and a blinded nosologist recoded the cause of injury using the extracted data. Differences in coding specificity were compared with the original data, and logistic regression was undertaken to examine variables that predicted assignment of a specific E-code. RESULTS: A more specific code was assigned to 46% of cases initially coded as unspecified. Of these, 73% were recoded as "Slips, trips, and stumbles" (E885), which still lacks the specificity required for injury prevention planning; 2% of charts had no fall documented. Multivariate analysis revealed that dichotomized injury severity (adjusted odds ratio (OR) = 1.75 (95% confidence interval, 1.11 to 2.78)), arrival at the ED by ambulance (adjusted OR = 5.41 (1.07 to 27.0)), and the availability of nurse's notes or triage forms, or both, in the chart (adjusted OR = 3.75 (2.17 to 6.45)) were the strongest predictors of a more specific E-code assignment. CONCLUSIONS: Deficiencies in both chart documentation and coding specificity contribute to the use of non-specific E-codes. More comprehensive triage coding, improved chart documentation, and alternative methods of data collection in the acute care setting are required to improve ED injury surveillance initiatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,464

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,313
Écart entre enseignants0,281 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInjury PreventionMême sujetInjury Epidemiology and PreventionTravaux en français237 207