Case Definitions for Acute Myocardial Infarction in Administrative Databases and Their Impact on In‐Hospital Mortality Rates
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To identify validated ICD-9-CM/ICD-10 coded case definitions for acute myocardial infarction (AMI). DATA SOURCES: Ovid Medline (1950-2010) was searched to identify studies that validated acute myocardial infarction (AMI) case definitions. Hospital discharge abstract data and chart data were linked to validate identified AMI definitions. STUDY DESIGN: Systematic literature review, chart review, and administrative data analysis. DATA COLLECTION/EXTRACTION METHODS: Data on sensitivity/specificity/positive and negative predictive values (PPV and NPV) were extracted from previous studies to identify validated case definitions for AMI. These case definitions were validated in administrative data through chart review and applied to hospital discharge data to assess in-hospital mortality. PRINCIPAL FINDINGS: Of the eight ICD-9-CM definitions validated in the literature, use of ICD-9-CM code 410 to define AMI had the highest sensitivity (94 percent) and specificity (99 percent). In our data, ICD-9-CM/ICD-10 codes 410/I21-I22 in all available coding fields had high sensitivity (83.3 percent/82.8 percent) and PPV (82.8 percent/82.2 percent). The in-hospital mortality among AMI patients identified using this case definition was 7.6 percent in ICD-9-CM data and 6.6 percent in ICD-10 data. CONCLUSIONS: We recommend that ICD-9-CM 410 or ICD-10 I21-I22 in the primary diagnosis coding field should be used to define AMI. The use of a consistent validated case definition would improve comparability across studies.
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.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle