Training and experience of coding with the World Health Organization’s International Classification of Diseases, Eleventh Revision
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The new International Classification of Diseases, Eleventh Revision for Mortality and Morbidity Statistics (ICD-11) was developed and released by the World Health Organization (WHO) in June 2018. Because ICD-11 incorporates new codes and features, training materials for coding with ICD-11 are urgently needed prior to its implementation. OBJECTIVE: This study outlines the development of ICD-11 training materials, training processes and experiences of clinical coders while learning to code using ICD-11. METHOD: Six certified clinical coders were recruited to code inpatient charts using ICD-11. Training materials were developed with input from experts from the Canadian Institute for Health Information and the WHO, and the clinical coders were trained to use the new classification. Monthly team meetings were conducted to enable discussions on coding issues and to select the correct ICD-11 codes. The training experience was evaluated using qualitative interviews, a questionnaire and a coding quiz. RESULTS: total of 3011 charts were coded using ICD-11. In general, clinical coders provided positive feedback regarding the training program. The average score for the coding quiz (multiple choice, True/False) was 84%, suggesting that the training program was effective. Feedback from the coders enabled the ICD-11 code content, electronic tooling and terminologies to be updated. CONCLUSION: This study provides a detailed account of the processes involved with training clinical coders to use ICD-11. Important findings from the interviews were reported at the annual WHO conferences, and these findings helped improve the ICD-11 browser and reference guide.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle