MétaCan
Menu
Retour à la cohorte
Enregistrement W3090680427 · doi:10.1017/ice.2020.449

Identification of prosthetic hip and knee joint infections using administrative databases—A validation study

2020· article· en· W3090680427 sur OpenAlexaffabout
Christopher Kandel, Richard Jenkinson, Jessica Widdifield, Bettina E. Hansen, J. Roderick Davey, Matthew Muller, Nick Daneman, Allison McGeer

Notice bibliographique

RevueInfection Control and Hospital Epidemiology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueOrthopedic Infections and Treatments
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity Health NetworkHealth Sciences CentreInstitute for Clinical Evaluative SciencesSinai Health SystemSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésMedicineInterquartile rangeDiagnosis codeArthroplastyMedical recordDatabaseSurgeryPopulation

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To determine whether combinations of diagnosis and procedures codes can improve the detection of prosthetic hip and knee joint infections from administrative databases. DESIGN: We performed a validation study of all readmissions from January 1, 2010, until December 31, 2016, following primary arthroplasty comparing the diagnosis and procedure codes obtained from an administrative database based upon the International Classification of Disease, Tenth Revision (ICD-10) to the reference standard of chart review. SETTING: Four tertiary-care hospitals in Toronto, Canada, from 2010 to 2016. PARTICIPANTS: Individuals who had a primary arthroplasty were identified using procedure codes. INTERVENTION: Chart review of readmissions identified the presence of a prosthetic joint infection and, if present, the surgical procedure performed. RESULTS: Overall, 27,802 primary arthroplasties were performed. Among 8,844 readmissions over a median follow-up of 669 days (interquartile range, 256-1,249 days), a PJI was responsible for or present in 586 of 8,844 (6.6%). Diagnosis codes alone exhibited a sensitivity of 0.88 (95% CI, 0.85-0.92) and positive predictive value (PPV) of 0.78 (95% CI, 0.74-0.82) for detecting a PJI. Combining a PJI diagnosis code with procedure codes for an arthroplasty and the insertion of a peripherally inserted central catheter improved detection: sensitivity was 0.92 (95% CI, 0.88-0.94) and PPV was 0.78 (95% CI, 0.74-0.82). However, procedure codes were unable to identify the specific surgical approach to PJI treatment. CONCLUSIONS: Compared to PJI diagnosis codes, combinations of diagnosis and procedure codes improve the detection of a PJI in administrative databases.

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)0,021
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,063
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,378
Écart entre enseignants0,272 · 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'étudeObservationnel
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

Citations18
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInfection Control and Hospital EpidemiologyMême sujetOrthopedic Infections and TreatmentsTravaux en français237 207