Systematic review and assessment of validated case definitions for depression in administrative data
Notice bibliographique
Résumé
BACKGROUND: Administrative data are increasingly used to conduct research on depression and inform health services and health policy. Depression surveillance using administrative data is an alternative to surveys, which can be more resource-intensive. The objectives of this study were to: (1) systematically review the literature on validated case definitions to identify depression using International Classification of Disease and Related Health Problems (ICD) codes in administrative data and (2) identify individuals with and without depression in administrative data and develop an enhanced case definition to identify persons with depression in ICD-coded hospital data. METHODS: (1) Systematic review: We identified validation studies using ICD codes to indicate depression in administrative data up to January 2013. (2) VALIDATION: All depression case definitions from the literature and an additional three ICD-9-CM and three ICD-10 enhanced definitions were tested in an inpatient database. The diagnostic accuracy of all case definitions was calculated [sensitivity (Se), specificity (Sp), positive predictive value (PPV) and negative predictive value (NPV)]. RESULTS: (1) Systematic review: Of 2,014 abstracts identified, 36 underwent full-text review and three met eligibility criteria. These depression studies used ICD-9 and ICD-10 case definitions. (2) VALIDATION: 4,008 randomly selected medical charts were reviewed to assess the performance of new and previously published depression-related ICD case definitions. All newly tested case definitions resulted in Sp >99%, PPV >89% and NPV >91%. Sensitivities were low (28-35%), but higher than for case definitions identified in the literature (1.1-29.6%). CONCLUSIONS: Validating ICD-coded data for depression is important due to variation in coding practices across jurisdictions. The most suitable case definitions for detecting depression in administrative data vary depending on the context. For surveillance purposes, the most inclusive ICD-9 & ICD-10 case definitions resulted in PPVs of 89.7% and 89.5%, respectively. In cases where diagnostic certainty is required, the least inclusive ICD-9 and -10 case definitions are recommended, resulting in PPVs of 92.0% and 91.1%. All proposed case definitions resulted in suboptimal levels of sensitivity (ranging from 28.9%-35.6%). The addition of outpatient data (such as pharmacy records) for depression surveillance is recommended and should result in improved measures of validity.
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 | 0,136 | 0,501 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,015 | 0,013 |
| Bibliométrie | 0,033 | 0,021 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,006 |
| Science ouverte | 0,006 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».