Validation of the Use of Discharge Diagnostic Codes for the Verification of Secondary Atrial Fibrillation in Administrative Databases
Notice bibliographique
Résumé
Background: "Secondary" atrial fibrillation (AF) denotes AF that is precipitated by short-term triggers and that may be reversible. Using administrative data to study secondary AF is of interest, but the ability of these data to verify secondary AF has not been studied. Methods: We conducted a cross-sectional analysis of 1000 randomly selected hospitalizations of patients discharged alive between January 1, 2016 and March 31, 2020, with AF coded as the most responsible diagnosis (type 1), post-admit comorbidity (type 2), or secondary diagnosis (type 3). We compared diagnosis types to AF category (secondary or not) as determined by a physician blinded to the discharge diagnosis type. We calculated the positive predictive value (PPV) of the designation of secondary AF in comparison to physician determination. Results: A total of 421 hospitalizations had AF documented as a type 2 diagnosis; this had a PPV of 94.8% for physician determination of secondary AF. After excluding hospitalizations with preexisting AF, and those for which AF type could not be determined by the physician, the PPV of a type 2 diagnosis (n = 391) for secondary AF was 99.7%. Type 3 diagnoses of AF (n = 222) mostly captured hospitalizations with preexisting AF (87.8% of type 3 diagnoses). Conclusions: A type 2 diagnosis can be used to verify secondary AF in people who were first diagnosed with AF while hospitalized for other causes. This verification facilitates cohort studies and clinical trial recruitment of people with this AF subtype, although it should not be used to determine the prevalence or incidence of secondary AF.
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 | 0,002 |
| 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 | 0,000 |
| 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 ».