The Accuracy of Administrative Data for Identifying the Presence and Timing of Admission to Intensive Care Units in a Canadian Province
Notice bibliographique
Résumé
BACKGROUND: A prerequisite for using administrative data to study the care of critically ill patients in intensive care units (ICUs) is that it accurately identifies such care. Only limited data exist on this subject. OBJECTIVE: To assess the accuracy of administrative data in the Canadian province of Manitoba for identifying the existence, number, and timing of admissions to adult ICUs. RESEARCH DESIGN: For the period 1999 to 2008, we compared information about ICU care from Manitoba hospital abstracts, with the criterion standard of a clinical ICU database that includes all admissions to adult ICUs in its largest city of Winnipeg. Comparisons were made before and after a national change in administrative data requirements that mandated specific data elements identifying the existence and timing of ICU care. RESULTS: In both time intervals, hospital abstracts were extremely accurate in identifying the presence of ICU care, with positive predictive values exceeding 98% and negative predictive values exceeding 99%. Administrative data correctly identified the number of separate ICU admissions for 93% of ICU-containing hospitalizations; inaccuracy increased with more ICU stays per hospitalization. Hospital abstracts were highly accurate for identifying the timing of ICU care, but only for hospitalizations containing a single ICU admission. CONCLUSIONS: Under current national-reporting requirements, hospital administrative data in Canada can be used to accurately identify and quantify ICU care. The high accuracy of Manitoba administrative data under the previous reporting standards, which lacked standardized coding elements specific to ICU care, may not be generalizable to other Canadian jurisdictions.
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 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 | 0,000 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».