<p>Health care professionals&rsquo; knowledge and awareness of the ICD-10 coding system for assigning the cause of perinatal deaths in Jordanian hospitals</p>
Notice bibliographique
Résumé
OBJECTIVES: There is a lack of studying vital registration and disease classification systems in low- and middle-income countries. This study aimed to assess health care professionals' (HCPs') level of awareness, knowledge, use, and perceived barriers of the International Classification of Diseases, 10th version (ICD-10) as well as their perceptions of the electronic neonatal death registration system. PARTICIPANTS AND METHODS: A mixed method approach including descriptive cross-sectional quantitative and focus groups with HCPs (physicians, nurses, and midwives) was used to collect data from four major selected hospitals in Jordan. A total of 16 focus groups were conducted. Also, a survey, which included three case studies about the ability of nurses and physicians to identify cause of death, was completed using structured face-to-face interviews. RESULTS: Overall, there was congruency between both the quantitative results and the qualitative findings. The majority of nurses and physicians in the four hospitals were not familiar with the ICD-10 coding system and hence reported minimal use of the coding system. Additionally, the majority of HCPs were not aware whether or not their departments used the ICD-10 to record perinatal mortality. These HCPs identified that lack of knowledge, time, staff and support, and an effective and comprehensive electronic system that allows physicians to accurately choose the exact cause of death were their main barriers to the use of the ICD-10 coding system. CONCLUSION: Our findings emphasize the importance of developing an effective and comprehensive electronic system which allows HCPs to accurately report and register all perinatal deaths. This system needs to account for the direct and indirect causes of death and for contributing factors such as maternal conditions at the time of perinatal death. Training HCPs on how to use the system is vital for the success and accuracy of the data registration process.
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 | 0,002 | 0,006 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».