Comparison of the Elixhauser and Charlson/Deyo Methods of Comorbidity Measurement in Administrative Data
Notice bibliographique
Résumé
BACKGROUND: Comorbidity risk adjustment methods have been used widely with administrative data, and the Charlson/Deyo method is perhaps the most commonly used in the literature. However, a new method defined by Elixhauser et al. has been introduced recently and could be superior, although it has not been validated widely. OBJECTIVES: We compared the Charlson/Deyo and Elixhauser methods using Canadian administrative data on patients with myocardial infarction (MI). RESEARCH DESIGN: We conducted a historical cohort study. SUBJECTS: We used administrative hospital discharge data from a large Canadian city for all cases with acute MI coded as most responsible diagnosis between January 1, 1995, and March 31, 2001. MEASURES: We used each of the 2 methods to define comorbidity variables based on the International Classification of Diseases, 9th Revision, Clinical Modification codes present in each case record. We then compared 2 models predicting in-hospital mortality based on presence or absence of the variables defined by each of the methods. Frequency tables were produced and c-statistics and changes in -2 log likelihood (-2LogL) were calculated. We also visually assessed model performance by plotting observed and expected percentages of death for increasing risk categories defined by the 2 models. RESULTS: The Elixhauser model outperformed the Charlson/Deyo model in predicting mortality, with higher c-statistic values (0.793 vs. 0.704). Superior performance of the Elixhauser method is confirmed when plotting the expected and observed risks of death across groupings of increasing risk, in which the Elixhauser method yields a wider range of predicted and observed probabilities of death across groupings (2.5%-33%) than does the Charlson/Deyo method (5%-25%). CONCLUSIONS: The Elixhauser comorbidity measurement method performs better than the widely used Charlson/Deyo method in the Canadian acute MI cases studied.
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 | 0,091 | 0,168 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,001 | 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 ».