Pediatric Clinical Classification System for use in Canadian inpatient settings
Notice bibliographique
Résumé
BACKGROUND: A classification system that categorizes International Statistical Classification of Diseases and Related Health Problems, Tenth Revision (ICD-10) diagnosis codes into clinically meaningful categories is important for pediatric clinical and health services research using administrative data. While a Pediatric Clinical Classification System (PECCS) is available for the United States ICD-10 system (i.e, ICD-10-CM), differences in the ICD-10 system between countries limits PECCS use in Canada. OBJECTIVE: To translate PECCS from ICD-10-CM to ICD-10-CA for use in Canada (PECCS-CA), and examine the utility of PECCS-CA in administrative data of pediatric hospital encounters in Ontario, Canada. METHODS: PECCS was translated by mapping each ICD-10-CA code to its corresponding ICD-10-CM code, based on code description and alphanumeric code, using automated functions in Microsoft Excel. All unmatched ICD-10-CA codes were manually matched to an ICD-10-CM code. The ICD-10-CA codes were mapped to a PECCS category based on the placement of the corresponding ICD-10-CM code. Finally, in this cross-sectional study, the utility of PECCS-CA was examined in pediatric hospital encounters in children <18 years of age with an inpatient or same day surgery encounter, between April 1, 2014 to March 31, 2019 in Ontario. RESULTS: In total, 16,992 ICD-10-CA diagnosis codes were mapped to 781 mutually exclusive condition categories that included pediatric specific conditions and treatments in PECCS-CA. From the 781 categories, 777 (99.5%) were derived from the original PECCS, 3 (0.4%) from merging the original PECCS categories, and 1 (0.1%) was newly developed. The PECCS-CA was applied to health administrative data of 911,732 hospital encounters in children. The most prevalent condition in children was low birth weight (n = 54,100 encounters). CONCLUSION: The PECCS-CA is an open-source classification system which maps ICD-10-CA codes into 781 clinically important pediatric categories. The PECCS-CA can be used for pediatric health services and outcomes research in Canada.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,012 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 ».