International Classification of Diseases clinical coding training: An international survey
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 International Classification of Diseases (ICD) is widely used by clinical coders worldwide for clinical coding morbidity data into administrative health databases. Accordingly, hospital data quality largely depends on the coders' skills acquired during ICD training, which varies greatly across countries. OBJECTIVE: To characterise the current landscape of international ICD clinical coding training. METHOD: An online questionnaire was created to survey the 194 World Health Organization (WHO) member countries. Questions focused on the training provided to clinical coding professionals. The survey was distributed to potential participants who met specific criteria, and to organisations specialised in the topic, such as WHO Collaborating Centres, to be forwarded to their representatives. Responses were analysed using descriptive statistics. RESULTS: Data from 47 respondents from 26 countries revealed disparities in all inquired topics. However, most participants reported clinical coders as the primary person assigning ICD codes. Although training was available in all countries, some did not mandate training qualifications, and those that did differed in type and duration of training, with college or university degree being most common. Clinical coding certificates most frequently entailed passing a certification exam. Most countries offered continuing training opportunities, and provided a range of support resources for clinical coders. CONCLUSION: Variability in clinical coder training could affect data collection worldwide, thus potentially hindering international comparability of health data. IMPLICATIONS: These findings could encourage countries to improve their resources and training programs available for clinical coders and will ultimately be valuable to the WHO for the standardisation of ICD training.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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