Experiences with Coding using ICD-11: “The Codes Paint a Clearer Picture”
Notice bibliographique
Résumé
IntroductionA high performing health data classification system requires clear, comprehensive code descriptions and user-friendly coding tools for effective coding. Coding specialists have essential specialized knowledge to contribute to the development and functionality of the 11th version of International Classification of Diseases (ICD-11) that will be released in June of 2018. Objectives and ApproachThe objective was to evaluate coding specialists’ experience of coding using ICD-11 for complete inpatient hospital charts. Mixed methods were employed for a survey and interviews. As part of a large field trial, 6 certified coding specialists underwent training to use the ICD-11 Beta Draft browser and ICD-11 Coding Tool. The coding team completed multiple coding exercises and coded over 60 charts each prior to evaluation of their experience. An electronic survey was used to evaluate ICD-11 knowledge, comprehension, and application of the coding training. Interviews explored the coders’ experience of learning and using the ICD-11 classification system. ResultsThe coding team (3 to 10 years of experience) received 14 hours classroom training and 5-10 hours per week of coding practice over 3 months. After training, perceived confidence in coding with ICD-11 was satisfactory; moderate (n=4), high (n=1), and low (n=1). Coding short scenarios was the most useful resource (n=6) and lack of guidelines was the most frustrating. Learning ICD-11 was deemed moderately (n=2) to somewhat (n=3) difficult but each coder described satisfaction in learning the new system. From the interviews, coders expressed liking the ability to more fully describe health conditions and hospital harms with code clusters. “The codes paint a clearer picture of what happened than with ICD-10”. With practice they achieved speed with the coding tools. Conclusion/ImplicationsCoding specialists learned and proficiently used the Beta Version of ICD-11 coding system with moderate perceived confidence. New ICD-11 codes and clustering functions allowed for more complete description of health scenarios and enhanced coder satisfaction.
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 | 0,023 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 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 ».