Development and validation of an administrative data algorithm to identify adults who have endoscopic sinus surgery for chronic rhinosinusitis
Notice bibliographique
Résumé
BACKGROUND: This was a diagnostic accuracy study to develop an algorithm based on administrative database codes that identifies patients with Chronic Rhinosinusitis (CRS) who have endoscopic sinus surgery (ESS). METHODS: , 2012, a chart review was performed for all hospital-identified ESS surgical encounters. The reference standard was developed as follows: cases were assigned to encounters in which ESS was performed for Otolaryngologist-diagnosed CRS; all other chart review encounters, and all other hospital surgical encounters during the timeframe were controls. Algorithm development was based on International Classification of Diseases, version 10 (ICD-10) diagnostic codes and Canadian Classification of Health Interventions (CCI) procedural codes. Internal model validation was performed with a similar chart review for all model-identified cases and 200 randomly selected controls during the following year. RESULTS: During the study period, 347 cases and 185,007 controls were identified. The predictive model assigned cases to all encounters that contained at least one CRS ICD-10 diagnostic code and at least one ESS CCI procedural code. Compared to the reference standard, the algorithm was very accurate: sensitivity 96.0% (95%CI 93.2-97.7), specificity 100% (95% CI 99.9-100), and positive predictive value 95.4% (95%CI 92.5-97.3). Internal validation using chart review for the following year revealed similar accuracy: sensitivity 98.9% (95%CI 95.8-99.8), specificity 97.1% (95%CI 93.4-98.8), and positive predictive value 96.9% (95%CI 93.0-99.8). CONCLUSION: A simple model based on administrative database codes accurately identified ESS-CRS encounters. This model can be used in population-based cohorts to study longitudinal outcomes for the ESS-CRS population.
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 | 0,023 | 0,069 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».