MétaCan
Menu
Retour à la cohorte
Enregistrement W2737680681 · doi:10.1177/2054358116679130

Positive Predictive Values of International Classification of Diseases, 10th Revision Coding Algorithms to Identify Patients With Autosomal Dominant Polycystic Kidney Disease

2016· article· en· W2737680681 sur OpenAlexaffabout
Vinusha Kalatharan, York Pei, Kristin K. Clemens, Rebecca K. McTavish, Stephanie N. Dixon, Matthew Rochon, Danielle M. Nash, Arsh K. Jain, Sisira Sarma, Andrew Zaleski, Andrea Lum, Amit X. Garg

Notice bibliographique

RevueCanadian Journal of Kidney Health and Disease · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and Kidney Cyst Diseases
Établissements canadiensLondon Health Sciences CentreUniversity of TorontoUniversity Health NetworkInstitute for Clinical Evaluative SciencesWestern University
Organismes subventionnairesnon disponible
Mots-clésMedicineDiseasePolycystic kidneyAlgorithmCoding (social sciences)NephrologyKidney diseasePolycystic kidney diseaseInternal medicinePathologyComputer scienceStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: International Classification of Diseases, 10th Revision codes (ICD-10) for autosomal dominant polycystic kidney disease (ADPKD) is used within several administrative health care databases. It is unknown whether these codes identify patients who meet strict clinical criteria for ADPKD. OBJECTIVE: The objective of this study is (1) to determine whether different ICD-10 coding algorithms identify adult patients who meet strict clinical criteria for ADPKD as assessed through medical chart review and (2) to assess the number of patients identified with different ADPKD coding algorithms in Ontario. DESIGN: Validation study of health care database codes, and prevalence. SETTING: Ontario, Canada. PATIENTS: For the chart review, 201 adult patients with hospital encounters between April 1, 2002, and March 31, 2014, assigned either ICD-10 codes Q61.2 or Q61.3. MEASUREMENTS: This study measured positive predictive value of the ICD-10 coding algorithms and the number of Ontarians identified with different coding algorithms. METHODS: We manually reviewed a random sample of medical charts in London, Ontario, Canada, and determined whether or not ADPKD was present according to strict clinical criteria. RESULTS: The presence of either ICD-10 code Q61.2 or Q61.3 in a hospital encounter had a positive predictive value of 85% (95% confidence interval [CI], 79%-89%) and identified 2981 Ontarians (0.02% of the Ontario adult population). The presence of ICD-10 code Q61.2 in a hospital encounter had a positive predictive value of 97% (95% CI, 86%-100%) and identified 394 adults in Ontario (0.003% of the Ontario adult population). LIMITATIONS: (1) We could not calculate other measures of validity; (2) the coding algorithms do not identify patients without hospital encounters; and (3) coding practices may differ between hospitals. CONCLUSIONS: Most patients with ICD-10 code Q61.2 or Q61.3 assigned during their hospital encounters have ADPKD according to the clinical criteria. These codes can be used to assemble cohorts of adult patients with ADPKD and hospital encounters.

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)0,003
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,179
Score d'incertitude au seuil0,357

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,264
Écart entre enseignants0,257 · 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'étudeObservationnel
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

Citations14
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Kidney Health and DiseaseMême sujetGenetic and Kidney Cyst DiseasesTravaux en français237 207