Validity of an ICD-10 Coding Algorithm for Acute Heat Illness in the Emergency Department: A Retrospective Cohort Study
Notice bibliographique
Résumé
Acute heat illness (AHI) from extreme environmental heat exposure can lead to emergency department (ED) visits, hospitalization, and even death. While the ICD ninth revision codes for AHI have been validated in the U.S., there have been no studies on the validity of ICD-10 codes for AHI in Canada. The objective of this study was to assess the validity of an ICD-10 coding algorithm for ED encounters for AHI. We conducted a retrospective cohort study of children and adults who had ED encounters at two large academic, tertiary hospitals in London, Canada, between May and September 2014-2018. We developed an algorithm of ICD-10 codes for AHI based upon a literature review and clinical expertise. Our "gold-standard" definition of AHI was patient-reported heat exposure and documentation of at least one heat-related complaint. To establish positive predictive value (PPV), we reviewed 62 algorithm-positive records and noted which met our "gold-standard" definition. To calculate negative predictive value (NPV), sensitivity (Sn), and specificity (Sp), we randomly reviewed 964 ED records for associated ICD-10 codes and diagnoses. Two independent reviewers completed blinded data abstraction, with duplicate abstraction in 20% of the sample. Of the 62 algorithm-positive records, mean (SD) age was 38.8 (23.8) years; 37% were female. PPV was 61.3 ± 12.1% (95% CI). Of the 964 randomly selected records, mean (SD) age was 41.7 (26.5) years; 51.1% were female. The NPV was 99.7 ± 0.4%, sensitivity 25.0 ± 42.4%, and specificity 100.0 ± 0.0%. An ICD-10 coding algorithm for AHI had high specificity but was limited in sensitivity. This algorithm can be used to assemble and study cohorts of patients who have had an AHI, but may underestimate the true incidence of AHI presentations in the ED.
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 | 0,009 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 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 ».