Sensitivity, specificity and predictive values of ICD-10 substance use codes in a cohort of substance use-related endocarditis patients
Notice bibliographique
Résumé
Background: Healthcare databases have the potential to become efficient tools for epidemiological research in People Who Inject Drugs (PWID). The validity of ICD-10 codes for specific substances in this population has not been assessed. Objectives: Validate ICD-10 diagnosis codes relating to the use of specific substance classes in a cohort of endocarditis patients. Methods: Our study sample consisted of 379 first-episode infective endocarditis patients (Male: 208, Female: 171), aged 18–55, admitted to any of three hospitals in London, Ontario from 2007 to 2018. Of these, 287 used drugs. We validated ICD-10 substance use codes for opioids (F11), stimulants (F15), cocaine (F14) and multiple substances (F19). Sensitivity, specificity, Positive Predictive Value (PPV) and Negative Predictive Value (NPV) were calculated for each code, using self-reported substance use documented on medical record review as a gold standard. We conducted a comparative analysis between code-negative users and code-positive users for each substance. Results: All substance use codes shared the same pattern: high specificity, high PPV and low sensitivity, with code F11 yielding the highest PPV (96.3%; 95% C.I.: 90.8–98.6) and sensitivity (42.6%; 95% C.I. 36.3–49.1). The code-positives and code-negatives for each substance did not differ significantly in any characteristics compared. Conclusion: Our results suggest that the individual ICD-10 codes analyzed should not be used for research without adjustment for low sensitivity. However, due to high PPV and specificity, these codes may still have potential for research use. Because code-negative patients did not differ from code-positive patients, their data may be extrapolated to the overall group of substance users.
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 | 0,004 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».