308. Identification of Prosthetic Hip and Knee Joint Infections in Administrative Databases
Notice bibliographique
Résumé
Canada lacks a prosthetic hip and knee joint infection (PJI) registry, leaving active surveillance to be orchestrated by individual hospitals, which is limited by cost and narrow scope. Administrative databases are potentially an ideal instrument for infection surveillance, but detection algorithms relying solely on PJI diagnostic codes alone have been hampered by low specificity. There is a need to develop improved strategies to efficiently and accurately identify PJIs using health administrative databases. Combinations of International Classification of Disease, Tenth Revision, diagnostic and procedure codes were used to create testing cohorts among individuals treated at two institutions in Toronto, Ontario, from April 1, 2015 until March 31, 2016. These cohorts were compared with a reference standard of PJIs, which were identified by chart reviews of every individual who underwent a hip or knee revision operation at these institutions during the study period. The primary outcomes were the performance characteristics of each algorithm. Over the 1-year study period, there were 471 revision operations for 405 patients, of which 155 (33%) were performed for the treatment of a PJI. Of the 405 individuals, 108 (27%) had a PJI as the surgical indication; there were 57 (53%) two-stage procedures, nine (8%) single-stage procedures, 34 (31%) incision and drainage procedures with implant retention, and eight (7%) excisional arthroplasties. The combination of a revision operation code plus a PJI diagnosis code was the most robust detection method: sensitivity 0.86 (95% confidence interval, 0.79–0.91) and specificity 0.99 (0.98–1.00). Coupling codes for a revision operation and insertion of a peripherally inserted central catheter yielded a sensitivity of 0.45 (0.37–0.53) and specificity of 1.00 (0.98–1.00). PJI codes alone had a sensitivity of 1.00 (0.86–1.00) and specificity 0.50 (0.23–0.77). The combination of a revision operation procedure code and a PJI diagnosis code is sensitive and specific for the detection of a PJI in administrative databases. This is a promising avenue for national PJI surveillance and has the potential to facilitate future research in the prevention and management of PJIs. All authors: No reported disclosures.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».