Validation of Diagnosis and Procedure Codes for Revascularization for Peripheral Artery Disease in Ontario Administrative Databases
Notice bibliographique
Résumé
PURPOSE: To estimate the positive predictive value of diagnosis and procedure codes for open and endovascular revascularization for peripheral artery disease (PAD) in Ontario administrative databases. METHODS: We conducted a retrospective validation study using population-based Ontario administrative databases (2005-2019) to identify a random sample of 600 patients who underwent revascularization for PAD at two academic centres, based on ICD-10 diagnosis codes and Canada Classification of Health Intervention procedure codes. Administrative data coding was compared to the gold standard diagnosis (PAD vs. non-PAD) and revascularization approach (open vs. endovascular) extracted through blinded hospital chart re-abstraction. Positive predictive values and 95% confidence intervals were calculated. Combinations of procedure codes with or without supplemental physician claims codes were evaluated to optimize the positive predictive value. RESULTS: The overall positive predictive value of PAD diagnosis codes was 87.5% (84.6%-90.0%). The overall positive predictive value of revascularization procedure codes was 94.3% (92.2%-96.0%), which improved through supplementation with physician fee claim codes to 98.1% (96.6%-99.0%). Algorithms to identify individuals revascularized for PAD had combined positive predictive values ranging from 82.8% (79.6%-85.8%) to 95.7% (93.5%-97.3%). CONCLUSION: Diagnosis and procedure codes with or without physician claims codes allow for accurate identifi-cation of individuals revascularized for PAD in Ontario 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 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 | 0,003 |
| 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 | 0,002 |
| 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 ».