Abstract P243: Identifying Cerebral Venous Thrombosis Through Administrative Data: Icd-10 Case Ascertainment Depends on Clinical Context
Notice bibliographique
Résumé
Background: Recent reported population-based rates of cerebral venous thrombosis (CVT) are higher than in older studies, though the context of these diagnoses is not well-defined. To better understand these trends, we examined the accuracy of administrative codes ( ICD-10 ) for CVT in different clinical scenarios. Methods: Cases of CVT presenting to a tertiary center between 2008-2018 were identified in two ways: free text search through all hospital electronic radiology reports regardless of modality and body part and any ICD-10 discharge codes (see Table 1). Electronic medical records were reviewed to verify diagnoses of CVT and their clinical context (Figure 1) to calculated Positive Predictive Value (PPV) of ICD-10 codes. Additionally, sensitivities of ICD-10 codes were calculated against all CVTs identified using either searches that were verified on chart review as the gold standard. Results: There were 289 confirmed cases: 239 new diagnoses, 204 of which were acute events. Only 75 cases (37%) were new, symptomatic CVTs not provoked by trauma or structural processes. Sensitivity and PPV for ICD-10 codes depending on clinical context is reported in Table 1. Conclusion: The majority of CVT identified at our institution were incidentally diagnosed in context of intracranial processes such as trauma, surgery, infection, or masses; 37% were symptomatic, non-structural incident diagnoses. Our findings have implications in interpreting CVT rates identified through administrative data, as the management and prognosis of CVT may differ based on clinical context.
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 | 0,009 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».