Identifying mental health and substance use disorders using emergency department and hospital records: a population-based retrospective cohort study of diagnostic concordance and disease attribution
Notice bibliographique
Résumé
OBJECTIVES: Administrative data are increasingly being used for surveillance and monitoring of mental health and substance use disorders (MHSUD) across Canada. However, the validity of the diagnostic codes specific to MHSUD is unknown in emergency departments (EDs). Our objective was to determine the concordance, and individual-level and hospital-level factors associated with concordance, between diagnosis codes assigned in ED and at discharge from hospital for MHSUD-related conditions. DESIGN: Population-based retrospective cohort study. SETTING: EDs and hospitals within Vancouver Coastal Health Authority (VCH), British Columbia, Canada. PARTICIPANTS: 16 926 individuals who were admitted into a VCH hospital following an ED visit from 1 April 2009 to 31 March 2017, contributing to 48 116 pairs of ED and hospital discharge diagnoses. PRIMARY AND SECONDARY OUTCOME MEASURES: We examined concordance in identifying MHSUD between the primary discharge diagnosis codes based on the International Statistical Classification of Diseases, 9th and 10th Revisions (Canada) assigned in the ED and those assigned in the hospital among all ED visits resulting in a hospital admission. We calculated the percent overall agreement, positive agreement, negative agreement and Cohen's kappa coefficient. We performed multiple regression analyses to identify factors independently associated with discordance. RESULTS: We found a high level of concordance for broad categories of MH conditions (overall agreement=0.89, positive agreement=0.74 and kappa=0.67), and a fair level of concordance for SUDs (overall agreement=0.89, positive agreement=0.31 and kappa=0.27). SUDs were less likely to be indicated as the primary cause in ED as opposed to in hospital (3.8% vs 11.7%). In multiple regression analyses, ED visits occurring during holidays, weekends and overnight (21:00-8:59 hours) were associated with increased odds of discordance in identifying MH conditions (adjusted OR 1.47, 95% CI 1.11 to 1.93; 1.27, 95% CI 1.16 to 1.40; 1.30, 95% CI 1.19 to 1.42, respectively). CONCLUSIONS: ED data could be used to improve surveillance and monitoring of MHSUD. Future efforts are needed to improve screening for individuals with MHSUD and subsequently connect them to treatment and follow-up care.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».