MétaCan
Menu
Retour à la cohorte
Enregistrement W4402406304 · doi:10.23889/ijpds.v9i5.2896

Comparing terminology mappings to ICD-10 coded data in Discharge Abstract Database (DAD) in Alberta, Canada

2024· article· en· W4402406304 sur OpenAlexaffabout
Namneet Sandhu, Danielle A. Southern, Glenda Tower, Debbie Onos, Anita Lochhead, Sarah Burkhead Whittle, Hude Quan

Notice bibliographique

RevueInternational Journal for Population Data Science · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiomedical Text Mining and Ontologies
Établissements canadiensAlberta Health ServicesUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésTerminologyDatabaseComputer scienceData miningLinguistics

Résumé

récupéré en direct d'OpenAlex

IntroductionCoding has become burdensome to healthcare systems due to patient complexity and resource requirements. In Alberta, Intelligent Medical Objects (IMO), an interface terminology mapping product, is integrated within the new province-wide Clinical Information System, named Connect Care (CC), to support documentation by clinicians and map clinical terminologies to ICD-10. This study evaluates comparability of terminologies mapped ICD-10 codes to the ICD-10 codes in DAD. ApproachWe conducted a retrospective analysis by linking acute care hospital DAD with CC between April 2021 and December 2023. The primary outcome was the level of agreement between ‘hospital problem list’ of CC and DAD for ICD-10-CA codes at a 3-digit level. The number of diagnoses and rate of unspecified codes were also compared. The outcome measures were stratified by physician specialty, hospital type and location, and length-of-stay (LOS). ResultsA total of 498,834 unique hospital records were linked. The average level of agreement between CC and DAD at 3-digit level of ICD-10-CA code was 43.4%. The average number of diagnoses captured in CC (3.91) was slightly lower than DAD (4.06), and the average rate of unspecified codes was higher in CC (26.4%) compared to DAD (23.0%). The level of agreement varied by specialty and length-of-stay with specialties with more complex patients and longer lengths-of-stay having the lowest agreement (43% for generalists and internal medicine and 33% for LOS >3 months). ConclusionLevel of agreement between CC and DAD for ICD-10 data was identified as low, indicating significant disparities between terminology mappings and the coding process.

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)0,008
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,257

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,032
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,011
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,386
Écart entre enseignants0,308 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetBiomedical Text Mining and OntologiesTravaux en français237 207