MétaCan
Menu
Retour à la cohorte
Enregistrement W2749759883 · doi:10.9778/cmajo.20170036

Coder perspectives on physician-related barriers to producing high-quality administrative data: a qualitative study

2017· article· en· W2749759883 sur OpenAlexaffvenueabout
Karen Tang, Kelsey Lucyk, Hude Quan

Notice bibliographique

RevueCMAJ Open · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Coding and Health Information
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésQualitative researchQuality (philosophy)BusinessQualitative propertyData qualityNursingPublic relationsPsychologyMedicinePolitical scienceComputer scienceSociologyMarketing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Professional coding specialists ("coders") are experts at translating patient chart information into alphanumerical codes, which are then widely used in research and health policy decision-making. Coders rely solely on documentation by health care providers to complete this task. We aimed to explore physician-related barriers to coding that results in high-quality administrative data. METHODS: In a qualitative study conducted from December 2015 to March 2016, we recruited 28 coders who worked in health care facilities in Alberta using purposive and snowball sampling. Semistructured interviews were conducted, audio-recorded and transcribed. The interviews delved into coder training, work environment, documentation and coding standards. Thematic content analysis of transcripts was performed by 2 study investigators through line-by-line coding and constant comparison, after which the codes were collated into themes. RESULTS: Five themes emerged regarding physician-related barriers in coding of high-quality administrative data: 1) coders are limited in their ability to add to, modify or interpret physician documentation, which supersedes all other chart documentation, 2) physician documentation is incomplete and nonspecific, 3) chart information tends to be replete with errors and discrepancies, 4) physicians and coders use different terminology to describe clinical diagnoses and 5) there is a communication divide between coders and physicians, such that questions and issues regarding physician documentation cannot be reconciled. INTERPRETATION: Physicians play a major role in influencing the quality of administrative data. There is a need for physicians to advocate for culture change in physicians' attitudes toward coders and chart documentation, in recognition of the importance of accurate chart information.

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)0,063
score de la tête « metaresearch » (Gemma)0,122
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,937
Score d'incertitude au seuil0,333

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0630,122
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0100,012
Communication savante0,0060,004
Science ouverte0,0030,006
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,593
Tête enseignante GPT0,639
Écart entre enseignants0,046 · 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.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations80
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCMAJ OpenMême sujetMedical Coding and Health InformationTravaux en français237 207