Reliability of International Classification of Disease-9 Versus International Classification of Disease-10 Coding for Proximal Femur Fractures at a Level 1 Trauma Center
Notice bibliographique
Résumé
INTRODUCTION: The Centers for Medicare & Medicaid services proposed that transitioning from the 9th to the 10th revision of the International Classification of Disease (ICD) would provide better data for research. This study sought to determine the reliability of ICD-10 compared with ICD-9 for proximal femur fractures. METHODS: Available imaging studies from 196 consecutively treated proximal femur fractures were retrospectively reviewed and assigned ICD codes by three physicians. Intercoder reliability (ICR) was calculated. Collectively, the physicians agreed on what should be the correct codes for each fracture, and this was compared with coding found in the medical and billing records. RESULTS: No significant difference was observed in ICR for both ICD-9 and ICD-10 exact coding, which were both unreliable. Less specific coding improved ICR. ICD-9 general coding was better than ICD-10. Electronic medical record coding was unreliable. Billing codes were also unreliable, yet ICD-10 was better than ICD-9. DISCUSSION: ICD-9 and ICD-10 lack reliability in coding proximal femur fractures. ICD-10 results in data that are no more reliable than those found with ICD-9. LEVEL OF EVIDENCE: Level I diagnostic.
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 | 0,015 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».