Exploring the differences in ICD and hospital morbidity data collection features across countries: an international survey
Notice bibliographique
Résumé
BACKGROUND: The International Classification of Diseases (ICD) is the reference standard for reporting diseases and health conditions globally. Variations in ICD use and data collection across countries can hinder meaningful comparisons of morbidity data. Thus, we aimed to characterize ICD and hospital morbidity data collection features worldwide. METHODS: An online questionnaire was created to poll the World Health Organization (WHO) member countries that were using ICD. The survey included questions focused on ICD meta-features and hospital data collection systems, and was distributed via SurveyMonkey using purposive and snowball sampling. Accordingly, senior representatives from organizations specialized in the topic, such as WHO Collaborating Centers, and other experts in ICD coding were invited to fill out the survey and forward the questionnaire to their peers. Answers were collated by country, analyzed, and presented in a narrative form with descriptive analysis. RESULTS: Responses from 47 participants were collected, representing 26 different countries using ICD. Results indicated worldwide disparities in the ICD meta-features regarding the maximum allowable coding fields for diagnosis, the definition of main condition, and the mandatory type of data fields in the hospital morbidity database. Accordingly, the most frequently reported answers were "reason for admission" as main condition definition (n = 14), having 31 or more diagnostic fields available (n = 12), and "Diagnoses" (n = 26) and "Patient demographics" (n = 25) for mandatory data fields. Discrepancies in data collection systems occurred between but also within countries, thereby revealing a lack of standardization both at the international and national level. Additionally, some countries reported specific data collection features, including the use or misuse of ICD coding, the national standards for coding or lack thereof, and the electronic abstracting systems utilized in hospitals. CONCLUSIONS: Harmonizing ICD coding standards/guidelines should be a common goal to enhance international comparisons of health data. The current international status of ICD data collection highlights the need for the promotion of ICD and the adoption of the newest version, ICD-11. Furthermore, it will encourage further research on how to improve and standardize 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 | 0,017 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».