ICD-data collection features: an international survey
Notice bibliographique
Résumé
Background: The International Classification of Diseases (ICD) is globally used for coding morbidity and mortality statistics, however, its use, as well as the data collection features vary greatly across countries. Objective: To characterize hospital ICD-coded data collection worldwide. Methods: After an in-depth grey and academic literature review, an online survey was created to poll the 194 World Health Organization (WHO) member countries. Questions focused on hospital data collection systems and ICD-coded data features. The survey was distributed, using different methods, to potential participants that met the specific criteria, as well as organizations specialized in the topic, such as WHO Collaborating Centers (WHO-CC) or International Federation of Health Information Management Association (IFHIMA), to be forwarded to their representatives. Answers were analyzed using descriptive statistics. Results: Data from 48 respondents from 26 different countries has been collected. Results reveal worldwide use of ICD, with variations in the maximum allowable coding fields for diagnoses and interventions. For instance, in some countries there is an unlimited number of coding fields (Netherlands, Thailand and Iran), as opposed to others with only 1-6 available (Guatemala or Mauritius). Disparities also exist in the definition of a main condition, as 60% of the countries use “reason for admission” and 40% utilize “resource use”. Additionally, the mandatory type of data fields in the hospital morbidity database (e.g. patient demographics, admission type, discharge disposition, diagnoses, …) differ among countries, with diagnosis timing and physician information being the least frequently required. Conclusion: These survey data will establish the current state of ICD use internationally, which will ultimately be valuable to the WHO for the promotion of ICD and the rollout of ICD-11. Additionally, it will improve international comparisons of health data, and encourage further research on how to improve ICD coding.
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 | 0,010 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,007 |
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 ».