Coder perspectives on physician-related barriers to producing high-quality administrative data: a qualitative study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,008 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 découle