MétaCan
Menu
Retour à la cohorte
Enregistrement W2890308754 · doi:10.23889/ijpds.v3i4.986

Advancing data collection of hospital-related harms: Validity of the new ICD-11 Quality & Safety Use Case

2018· article· en· W2890308754 sur OpenAlexaffabout
Catherine Eastwood, Danielle A. Southern, Alicia Boxill, William A. Ghali, Hude Quan

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Coding and Health Information
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCoding (social sciences)MedicineChartHarmICD-10Medical emergencyPsychologyStatisticsNursing

Résumé

récupéré en direct d'OpenAlex

IntroductionThe beta version of the new ICD-11 includes a 3-part model for coding hospital acquired conditions (harms) to enhance adverse event descriptions. This method includes code clusters for detail each condition/event (e.g. bleed), cause (e.g. anticoagulant drug), and mode (over-dose). Objectives and ApproachTo compare the proportion of adverse events captured in ICD-11 to clinical chart review. A large field trial of 3000 inpatient charts are being coded with ICD-11 and chart review. Hospital admissions were randomly selected between January- June 2015 for adults at 3 Calgary hospitals. Chart reviewers were nurses trained to identify 11 categories of harms. Six coding specialists were trained to code with the ICD-11 3-part model for harm description. Coding decision trees and case examples of hospital-related harms were reviewed extensively by both teams. Coding training focused on new codes, code clustering, and extension codes for cause and mode of the harm. ResultsOf the 1,009 records reviewed and coded using ICD-11 to date, chart reviewers and coding specialists accurately identified 49 (37%) of the same charts with documented hospital harms. Both correctly identified 797 (91\%) of cases with no harm. Detailed analysis will follow. Study case examples will demonstrate advanced features of ICD-11 and the coding rules being collaboratively developed by our team, CIHI, and and WHO representatives. Conclusion/ImplicationsIdentification of hospital-related harms was consistent between coding specialists using ICD-11 principles and clinical chart reviewers. Variation existed in determining the cause and the mode of the harm. Case examples exemplify the new 3-part model for ICD-11 description of hospital-related harms.

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)0,235
score de la tête « metaresearch » (Gemma)0,478
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,235
Score d'incertitude au seuil0,944

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2350,478
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,005
Études des sciences et des technologies0,0020,003
Communication savante0,0050,004
Science ouverte0,0030,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,502
Tête enseignante GPT0,573
Écart entre enseignants0,071 · 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'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

Citations6
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetMedical Coding and Health InformationTravaux en français237 207