MétaCan
Menu
Retour à la cohorte
Enregistrement W4387537236 · doi:10.3389/fneur.2023.1244006

Classification of subdural hematomas: proposal for a new system improving the ICD Coding Tools

2023· article· en· W4387537236 sur OpenAlexaff
Anne-Marie Langlois, Charles Touchette, David Mathieu, Christian Iorio‐Morin

Notice bibliographique

RevueFrontiers in Neurology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueNeurosurgical Procedures and Complications
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésSubdural HematomasCoding (social sciences)ICD-10Computer scienceMedicineRadiologyHematomaMathematicsPsychiatry

Résumé

récupéré en direct d'OpenAlex

Background: The International Statistical Classification of Diseases (ICD) classifies subdural hematoma (SDH) as traumatic or non-traumatic. In clinical settings, however, SDH is typically described as either acute or chronic. Objective: The goal of this study was to assess how the ICD Coding Tools captures the clinical terminology and propose an improved classification that would increase the system's usefulness in administrative, statistical and research applications. Methods: We performed a retrospective analysis of patients who presented to our center with an ICD diagnostic code for either traumatic or non-traumatic SDH. A qualitative analysis of patients' charts was performed to identify elements relevant to management and prognosis, following which a meeting between expert investigators was held to elaborate a new classification of SDH. Imaging from all patients was then reviewed and cases were reclassified according to our proposed system. Results: A total of 277 SDH cases were included. Themes documented in the charts included chronicity, etiology, side, and symptoms. We created a new classification which distinguishes acute SDH (aSDH) from membrane-associated SDH (mSDH). aSDH were further divided into traumatic aSDH (taSDH) and non-traumatic aSDH (ntaSDH), while mSDH were divided into acute on chronic (a/cSDH), subacute (sSDH) and chronic (cSDH) categories. Conclusion: The ICD coding system correctly identifies taSDH and ntaSDH. However, it remains non-specific for mSDH. We propose this new SDH classification system to better capture chronicity and etiology - factors felt to impact management and prognosis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,059
score de la tête « metaresearch » (Gemma)0,104
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,311

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0590,104
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0180,010
Études des sciences et des technologies0,0030,004
Communication savante0,0070,012
Science ouverte0,0070,005
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,280
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in NeurologyMême sujetNeurosurgical Procedures and ComplicationsTravaux en français237 207