Emergency department and inpatient coding for self‐harm and suicide attempts: Validation using clinician assessment data
Notice bibliographique
Résumé
Administrative data have been used to determine the occurrence of suicide attempts and deliberate self-harm, but research about the accuracy of these sources is limited. This study used a clinical sample (n = 5719) containing psychiatry consultations from the emergency departments and inpatient units of the two major tertiary hospitals in Winnipeg, Canada to validate the accuracy of inpatient hospital diagnosis codes at identifying presentations for self-harm and suicide attempts. The Columbia Classification Algorithm of Suicide Assessment (C-CASA) was used as the gold standard. International Classification of Diseases version 10 Canadian Enhancement codes for intentional self-harm, undetermined intent self-harm, and accidental poisoning were assessed. Measures of validity included Kappa (κ), sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV). Sensitivity of hospitalized attempts was low using intentional intent codes (36.9%, 95% confidence interval [CI]: 32.4-41.4%) but improved using unknown intent and accidental poisoning codes (44.8%, 95% CI: 40.2-49.4%). Agreement for suicide attempts did not increase with the addition of unknown intent and accidental poisoning codes (κ = 0.465-0.481), but were better for any self-harm (κ = 0.395-0.478). Hospital diagnosis codes undercount attempts and self-harm admissions. Including more data sources might improve the detection of events.
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 | 0,020 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 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 ».