MétaCan
Menu
Retour à la cohorte
Enregistrement W2171017045 · doi:10.1161/01.str.0000174293.17959.a1

Coding of Stroke and Stroke Risk Factors Using <i>International Classification of Diseases</i> , Revisions 9 and 10

2005· article· en· W2171017045 sur OpenAlexaffabout
R Kokotailo, Michael D. Hill

Notice bibliographique

RevueStroke · 2005
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Coding and Health Information
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineStroke (engine)Atrial fibrillationDiabetes mellitusDiagnosis codeCoding (social sciences)ICD-10Coronary artery diseaseDiseaseEmergency medicineInternal medicinePopulationStatistics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND AND PURPOSE: Surveillance is necessary to understand and meet the future demands stroke will place on health care. Administrative data are the most accessible data source for stroke surveillance in Canada. The International Classification of Diseases, 10th revision (ICD-10) coding system has potential improvements over ICD-9 for stroke classification. Our purpose was to compare hospital discharge abstract coding using ICD-9 and ICD-10 for stroke and its risk factors. METHODS: We took advantage of a switch in coding systems from ICD-9 to ICD-10 to independently review stroke patient charts. From time periods April 2000 to March 2001, 717 charts, and from April 2002 to March 2003, 249 charts were randomly selected for review. Using a before-and-after time period design, the accuracy of hospital coding of stroke (part I) and stroke risk factors (part II) using ICD-9 and ICD-10 was compared. We used careful definitions of stroke and its types based on ICD-9 using the fourth and fifth digit modifier codes. RESULTS: Stroke coding was equally good with ICD-9 (90% [CI95 86 to 93] correct) and ICD-10 [92% (CI95 88 to 95 correct) with ICD-10. There were some differences in coding by stroke type, notably with transient ischemic attack, but these differences were not statistically significant. Atrial fibrillation, coronary artery disease/ischemic heart disease, diabetes mellitus, and hypertension were coded with high sensitivity (81% to 91%) and specificity (83% to 100%). ICD-10 was as good as ICD-9 for stroke risk factor coding. CONCLUSIONS: Passive surveillance using administrative data are a useful tool for identifying stroke and its risk factors using both ICD-9 and ICD-10.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,037
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,037
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,006
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,164
Tête enseignante GPT0,436
Écart entre enseignants0,272 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations715
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStrokeMême sujetMedical Coding and Health InformationTravaux en français237 207