Accuracy of Administrative Hospital Data to Identify Use of Life Support Modalities. A Canadian Study
Notice bibliographique
Résumé
Abstract Rationale Accurately identifying use of life support in hospital administrative data enhances the data’s value for quality improvement and research in critical illness. Objectives To assess the accuracy of administrative hospital data for identifying invasive mechanical ventilation (IMV), acute renal replacement therapy (RRT), and intravenous vasoactive drugs in unselected adult intensive care unit (ICU) patients. Methods We employed the administrative dataset of the Discharge Abstract Database from the Province of Manitoba during 2007–2012, using nationally standardized diagnosis and procedure codes to identify the three types of life support. The criterion standard was the Winnipeg ICU Database, which contains daily clinical information about all admissions to all 11 adult ICUs within the Winnipeg Regional Health Authority. For all individuals aged 40 years or older at ICU admission, we calculated sensitivity, specificity, positive predictive value (PPV), and negative predictive value of the administrative data for identifying life support. We also assessed the ability of the administrative data to identify overlapping use of the forms of life support. Results Over the study period, there were 20,764 eligible ICU admissions; 52.6% (10,914) involved IMV, 46.8% (9,724) involved vasoactive agents, and 4.4% (907) involved acute RRT. Identification of IMV from administrative data procedure codes was good, with all four parameters exceeding 90%. The procedure code for use of selected vasoactive drugs had a sensitivity of zero; addition of diagnosis codes for shock raised the sensitivity to only 23% (95% confidence interval [CI], 22–24%). Both the sensitivity and specificity for acute RRT procedure codes exceeded 92%, but owing to low prevalence of RRT, the PPV was only 55% (95% CI, 53–58%). Addition of diagnosis codes for acute renal failure did not appreciably improve performance. Overlapping use of the three types of life support was substantial. Among those receiving any one of the types of life support, 68–76% received at least one of the two other types assessed. Considering use of any one or more of the three forms of life support, the administrative data had a PPV of 97% (95% CI, 96–97%) and a negative predictive value of 69% (95% CI, 68–70%). Conclusions Administrative data accurately identify IMV but not use of vasoactive drugs or acute RRT.
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 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,015 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| 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 ».