Applying an ICD-10 to ICD-11 mapping tool to identify causes of death codes in an Alberta dataset
Notice bibliographique
Résumé
BACKGROUND: The most recent and 11th revision of the International Classification of Disease (ICD-11) is in use as of January 2022, and countries around the globe are now preparing for the implementation of ICD-11 and transition from the 10th revision (ICD-10). Translation of current coding is required for historical comparisons. METHODS: We applied the World Health Organization (WHO) mapping tables to current Centers for Disease Control and Prevention (CDC) Lists of ICD-10 coding of underlying causes of death to assess what ICD-11 codes look like in an Alberta sample of causes of death (COD). We prepared frequency tables for a single year of COD in Alberta based on the CDC grouping of COD. RESULTS: The mapping success rate at the ICD-10 code level for the adult population (> 18 years) was 96.6% and 100% for children (1-17 years) and infants (< 1 year). The mapping success rate by patient was 99.5% for the adult population patient deaths and 100% for children and infants. We mapped ICD-11 codes to identify the ten most frequently reported underlying COD in Alberta for 24,645 deaths in adults, children, and infants in 2017. CONCLUSIONS: Apart from two codes, all ICD-10 codes could be mapped to ICD-11 for underlying COD. These findings suggest that the ability to translate from the two iterations of coding will be feasible for future applications of health services data.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».