Validity and reliability of external cause injury International Classification of Diseases, Tenth Revision (ICD-10) codes: a systematic review
Notice bibliographique
Résumé
v e T h i s systematic review is examining the following research question for populations of all ages in all countries: what is the validity and reliability of the International Classification of Diseases, Tenth Revision (ICD-10) codes for external-cause injuries?Rationale The International Classification of Diseases (ICD) codes are used worldwide in all areas of healthcare as a coding system to report diagnoses in hospital databases, including classifying diagnoses for various diseases, disorders, injuries, and other health conditions, symptoms, and procedures.In addition to being a coding diagnostic reporting system, they may be used for billing purposes, claims processing, medical care review, classifying data, and for healthcare statistics reporting [1].The International Classification of Diseases is the most widely used classification system for hospital records, and approximately 70% of global health expenditure is distributed according to their data [2,3].Therefore, accurate reporting of these codes is essential for m a i n t a i n i n g h i g h -q u a l i t y h e a l t h c a re d a t a worldwide.The 10th revision of ICD codes (called ICD-10) was developed by the World Health Organization (WHO) and are currently used worldwide [2,3].T h e s e c o d e s h a v e b e e n i n e ff e c t s i n c e approximately year 2000, though this varies by country.Despite their wide use in healthcare, the overall validity and reliability of these codes for external-cause injuries has yet to be examined.Individual studies have reported their validity and reliability for different types of injuries, but an overall analysis of the ICD-10 codes' accuracy to diagnose/identify the correct conditions based on how they are coded has not been reported for these outcomes.This includes a gap in the literature describing an overall statistic of whether the ICD-10 codes for external cause 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 | 0,030 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,016 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 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 ».