Coding practice in national and regional kidney biopsy registries
Notice bibliographique
Résumé
BACKGROUND: Kidney biopsy registries all over the world benefit research, teaching and health policy. Comparison, aggregation and exchange of data is however greatly dependent on how registration and coding of kidney biopsy diagnoses are performed. This paper gives an overview over kidney biopsy registries, explores how these registries code kidney disease and identifies needs for improvement of coding practice. METHODS: A literature search was undertaken to identify biopsy registries for medical kidney diseases. These data were supplemented with information from personal contacts and from registry websites. A questionnaire was sent to all identified registries, investigating age of registries, scope, method of coding, possible mapping to international terminologies as well as self-reported problems and suggestions for improvement. RESULTS: Sixteen regional or national kidney biopsy registries were identified, of which 11 were older than 10 years. Most registries were located either in Europe (10/16) or in Asia (4/16). Registries most often use a proprietary coding system (12/16). Only a few of these coding systems were mapped to SNOMED CT (1), older SNOMED versions (2) or ERA-EDTA PRD (3). Lack of maintenance and updates of the coding system was the most commonly reported problem. CONCLUSIONS: There were large gaps in the global coverage of kidney biopsy registries. Limited use of international coding systems among existing registries hampers interoperability and exchange of data. The study underlines that the use of a common and uniform coding system is necessary to fully realize the potential of kidney biopsy registries.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».