MétaCan
Menu
Retour à la cohorte
Enregistrement W2973963979 · doi:10.5539/gjhs.v11n11p158

The Development of ICD Adaptations and Modifications as Background to a Potential Saudi Arabia's National Version

2019· article· en· W2973963979 sur OpenAlexvenueno aff
Musaed Ali Alharbi, Godfrey Isouard, Barry Tolchard

Notice bibliographique

RevueGlobal Journal of Health Science · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Coding and Health Information
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDocumentationReimbursementMedicineLicenseICD-10Psychological interventionDeveloping countryHealth careFamily medicineEconomic growthPolitical scienceNursing

Résumé

récupéré en direct d'OpenAlex

Modified national versions of the WHO’s International Statistical Classification of Diseases, current version ICD-10 with ICD-11 coming into effect in January 2022, have become the standard in many countries for diagnosis and procedure coding to facilitate the submission of medical billing and reimbursement by health insurers. The WHO ICD-10 exists purely as a coded classification of disease. It has no related classification of procedures and lacks the clinical level of diagnostic specificity necessary for the documentation of individual clinical cases and the associated prescribed therapies and interventions, particularly surgical cases. Historically, the US clinical modification of ICD-9, known as ICD-9-CM, established the trend. Australia adopted ICD-9-CM, later adapted it to Australian clinical specifications, and after the launch of the WHO ICD-10 produced the current Australian modification ICD-10-AM, used under license by many other countries. This paper examines a work in progress, rather than offering an academic critique, to illustrate the evolution of national clinical modications with particular reference to those of the United States, Australia and Thailand. The selection is based on the historical ICD-9-CM connection of the US and Australia, and the fact that Thailand is a more advanced developing nation like Saudi Arabia. The study parameters include the Saudi national healthcare system which has not previously employed a classification clinical coding, despite the wealthy developing healthcare system. Nations using their own modification face the burden of upgrading. Saudi Arabia plans to implement the national Australian modification, rather than creating a Saudi national modification.

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)0,027
score de la tête « metaresearch » (Gemma)0,083
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,083
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0020,003
Intégrité de la recherche0,0010,006
Charge utile insuffisante (le modèle a refusé de juger)0,0090,005

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 Opus0,208
Tête enseignante GPT0,476
Écart entre enseignants0,268 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetMedical Coding and Health InformationTravaux en français237 207