Validation of the International Classification of Disease 10th Revision Codes for Kidney Transplant Rejection and Failure
Notice bibliographique
Résumé
BACKGROUND: Clinical research requires that diagnostic codes captured from routinely collected health administrative data accurately identify individuals with a disease. OBJECTIVE: In this study, we validated the International Classification of Disease 10th Revision (ICD-10) definition for kidney transplant rejection (T86.100) and for kidney transplant failure (T86.101). DESIGN: Retrospective cohort study. SETTING: A large, regional transplantation center in Ontario, Canada. PATIENTS: All adult kidney transplant recipients from 2002 to 2018. MEASUREMENTS: Chart review was undertaken to identify the first occurrence of biopsy-confirmed rejection and graft loss for all participants. For each observation, we determined the first date a single ICD-10 code T86.100 or T86.101 was recorded as a hospital encounter discharge diagnosis. METHODS: Using chart review as the gold standard, we determined the sensitivity, specificity, and positive predictive value (PPV) for the ICD-10 codes T86.100 and T86.101. RESULTS: Our study population comprised of 1,258 kidney transplant recipients. The prevalence of rejection and death-censored graft loss were 15.6 and 9.1%, respectively. For the ICD-10 rejection code (T86.100), sensitivity was 72.9% (95% confidence interval [CI], 66.6-79.2), specificity 97.5% (96.5-98.4), and PPV 83.8% (78.3-89.4). For the ICD-10 graft loss code (T86.101), sensitivity was 21.2% (95% CI, 13.2-29.3), specificity 86.3% (84.3-88.3), and PPV 11.7% (7.0-16.4). LIMITATIONS: Single-center study which may limit generalizability of our findings. CONCLUSIONS: A single ICD-10 code for kidney transplant rejection (T86.100) was present in 84% of true kidney transplant rejections and is an accurate way of identifying kidney transplant recipients with rejection using administrative health data. The ICD-10 code for graft failure (T86.101) performed poorly and should not be used for administrative health research.
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 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».