Training Coding Specialists for the Future: Methods and Materials for the Beta Version of ICD-11
Notice bibliographique
Résumé
IntroductionIn June 2018, the World Health Organization (WHO) will release the 11th Version of International Classification of Diseases (ICD-11). New training methods and materials are required. As a WHO Collaborating Center, with Canadian Institute for Health Information (CIHI) members, we trained 6 coding professionals for testing ICD-11 coding processes. Objectives and ApproachThe objective was to achieve a high level of inter-rater reliability using ICD-11 for acute care chart coding. We used Adult Learning principles with CIHI members and 6 certified coding specialists to co-create presentations, practice materials, and decision trees to teach knowledge and skill with ICD-11 tooling and content. Training involved 14 hours of interactive learning plus additional practice hours. A bank of questions and coding scenarios tested knowledge and application of ICD-11 terminology and principles. Coding was undertaken on a set of 3000 randomly selected inpatient Calgary hospital discharges as part of a large CIHR funded ICD-11 field trial. ResultsThe coding team achieved an average score of 84% on the ICD-11 coding quiz and 0.65 (0.33 -1.0) agreement on parent code of main condition for the coding quiz scenarios. 60 inpatient charts were coded by more than one coder to test inter-rater reliability. Agreement was ≧ 0.80 for the majority of parent codes for main condition. Coding differences may be due to unfamiliar code choices or training gaps. New code descriptions in ICD-11 enhance code selection. Challenges included training while codes were being built in the ICD-11 browser, and minimal coding rules or standards. Conclusion/ImplicationsRecommendations include more code descriptions in the browser and rules in a reference guide, teaching from simple to complex conditions, and multiple scenarios with ‘gold standard’ codes for practice. Reference Guide, Coding Tool, and Browser recommendations have been shared with members of the WHO Morbidity and Quality & Safety Advisory groups.
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 | 0,026 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,194 | 0,066 |
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 ».