Administrative data ICD-10 diagnostic codes identifies most lab-confirmed SARS-CoV-2 admissions but misses many discharged from the Emergency Department
Notice bibliographique
Résumé
We estimated the operating characteristics of ICD-10 code U07.1, introduced by the World Health Organization in 2020, to identify lab-confirmed SARS-CoV-2. CCEDRRN is a national research registry of adults (March 2020-August 2021) with suspected/confirmed SARS-CoV-2 identified in Canadian emergency departments (EDs) using chart review (symptoms, clinical information, and lab test results including SARS-CoV-2 polymerase chain reaction, PCR results). CCEDRRN data were linked to administrative hospitalization discharge and ED ICD-10 diagnostic codes (accessed centrally via the Canadian Institute for Health Information). We identified ICD-10 diagnostic codes in CCEDRRN participants. We defined lab-confirmed SARS-CoV-2 based on at least one positive PCR in the 0-14 days before the ED presentation and/or during hospitalization (in those admitted from ED). We performed separate analyses for CCEDRRN participants discharged from ED and those hospitalized from the ED. Additional analyses were stratified by province, sex, age, and (for hospitalized patients) timing of the first PCR test. The sensitivity of ICD-10 code U07.1 for a positive SARS-CoV-2 test was 93.6% (95% CI 93.0-94.1%) in those hospitalized from ED and 83.0% (95% CI 82.1-83.9%) in those discharged from the ED. Sensitivity was similar across provinces and demographics, but in each stratified analysis, values were higher in those hospitalized versus those discharged from ED. The ICD-10 diagnostic code for U07.1 within administrative data identified most lab-confirmed SARS-CoV-2 within persons hospitalized from ED, although a significant number of cases discharged from ED were missed. This should be considered when using administrative data for research and public health planning.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».