Comparison of routine blood alcohol tests and ICD-10-AM coding of alcohol involvement for major trauma patients
Notice bibliographique
Résumé
Background: Alcohol use is a key preventable risk factor for serious injury. To effectively prevent alcohol-related injuries, we rely on the accurate surveillance of alcohol involvement in injury events. This often involves the use of administrative data, such as International Statistical Classification of Diseases and Related Health Problems, Tenth Revision, Australian Modification (ICD-10-AM) coding. Objective: To evaluate the completeness and accuracy of using administrative coding for the surveillance of alcohol involvement in major trauma injury events by comparing patient blood alcohol concentration (BAC) with ICD-10-AM coding. Method: This retrospective cohort study examined 2918 injury patients aged ≥18 years who presented to a major trauma centre in Victoria, Australia, over a 2-year period, of which 78% ( n = 2286) had BAC data available. Results: While 15% of patients had a non-zero BAC, only 4% had an ICD-10-AM code suggesting acute alcohol involvement. The agreement between blood alcohol test results and ICD-10-AM coding of acute alcohol involvement was fair ( κ = 0.33, 95% confidence interval: 0.27–0.38). Of the 341 patients with a non-zero BAC, 82 (24.0%) had ICD-10-AM codes related to acute alcohol involvement. Supplementary factors Y90 Evidence of alcohol involvement determined by blood alcohol level codes, which specifically describe patient BAC, were assigned to just 29% of eligible patients with a non-zero BAC. Conclusion: ICD-10-AM coding underestimated the proportion of alcohol-related injuries compared to patient BAC. Implications: Given the current role of administrative data in the surveillance of alcohol-related injuries, these findings may have significant implications for the implementation of cost-effective strategies for preventing alcohol-related injuries.
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 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».