MétaCan
Menu
Retour à la cohorte
Enregistrement W2892259303 · doi:10.23889/ijpds.v3i4.700

Validation of mechanical ventilation coding in hospital discharge abstracts: a population data linkage study

2018· article· en· W2892259303 sur OpenAlexaffabout
Yao Nie, Kendiss Olafson, Jitender Sareen, Marina Yogendran

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensUniversity of ManitobaHealth Sciences CentreManitoba Health
Organismes subventionnairesnon disponible
Mots-clésMedicineMechanical ventilationEmergency medicineHospital dischargeIntensive care unitPopulationVentilation (architecture)Psychological interventionHealth careGold standard (test)Intensive care medicineInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

IntroductionMechanical ventilation (MV) is an important intervention used in critically ill patients. Accurately identifying MV use in Hospital Discharge Abstracts will be extremely useful in population-based research. Although Canadian Institute for Health Information collects information on MV for all hospitalization, its validity in intensive care unit (ICU) patients is unknown. Objectives and ApproachWe validated MV use within ICU patients in Hospital Discharge Abstracts. Winnipeg Regional Health Authority (WRHA) ICU database prospectively collects use of MV by trained nurses. All patients admitted to a WRHA ICU (82 beds) between April 1, 2000 and March 31, 2012 were identified in Hospital Discharge Abstracts. MV was identified in Hospital Discharge Abstracts through International Classification of Diseases (ICD-9-CM), prior to 2004, while Canadian Classification of Health Interventions (CCI) were used 2004 onwards. Agreement between the WRHA database (gold standard) and Hospital Discharge Abstracts for invasive ventilation, non-invasive ventilation or neither was calculated at ICU encounter level. ResultsThere were 54,680 WRHA ICU admission during the study period. The linking of these two sources was highly successful with accurate identification exceeding 99%. There were 26,083 mechanical ventilations (25,387 invasive; 696 non-invasive) from the Hospital Discharge Abstracts and 30,455 (28,315 invasive; 4,554 non-invasive) from the CIC data. Hospital Discharge Abstracts had a sensitivity of 82.8%, specificity of 96.4%, Positive Predictive Value (PPV) of 96.7%, and Negative Predictive Value (NPV) of 81.7% for identifying mechanical ventilation. For invasive ventilation, Sensitivity was 85.5%, Specificity was 95.6%, PPV was 95.4% and NPV was 86.0%. Validation of non-invasive ventilation was poor in sensitivity (9.38%) and PPV (61.35%): with specificity 99.5% and NPV 92.36%. Conclusion/ImplicationsHospital Abstracts data are a good source to identity mechanically ventilated patients for ICU containing hospital stays especially invasive mechanical ventilations. Future research needs to explore the poor agreement with non-invasive mechanical ventilation.

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)0,086
score de la tête « metaresearch » (Gemma)0,153
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil0,454

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0860,153
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,008
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,102
Tête enseignante GPT0,428
Écart entre enseignants0,326 · 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
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetRespiratory Support and MechanismsTravaux en français237 207