Development and validation of International Classification of Diseases, 9th and 10th Revision, Clinical Modification‐based algorithms to identify adult epilepsy in electronic health records
Notice bibliographique
Résumé
OBJECTIVE: Electronic health records (EHRs) are increasingly used to conduct research and evaluate epilepsy quality of care. We examined the accuracy of International Classification of Diseases, 9th and 10th Revision, Clinical Modification (ICD-9-CM, ICD-10-CM)- and antiseizure medicine (ASM)-based algorithms for adult epilepsy. METHODS: Data from a diverse New York multicenter EHR were queried to identify encounters between January 1, 2012 and September 20, 2018 coded with an epilepsy/seizure ICD-CM code or an ASM. Eight hundred adults were randomly selected (350 with epilepsy-related codes, 150 with an ASM, and 300 with drug-resistant epilepsy codes). With chart review defined as the reference standard, sensitivity (Sn), specificity (Sp), negative predictive value (NPV), positive predictive value (PPV), and Youden index (YI) were calculated to evaluate various ICD-9-CM-, ICD-10-CM-, ± ASM-based algorithms' accuracy in predicting epilepsy. RESULTS: Ninety-four algorithms were tested. A total of 435 (54.4%) patients had definite epilepsy. Estimates ranged as follows: YI = .18-.68, Sn = .59-.95, Sp = .52-.97, PPV = .67-.92, and NPV = .51-.93. The best algorithms were as follows. Highest YI for ICD-9-CM was single encounter with 345 (except 345.2 or 345.3) or 345.2, 345.3, or 780.3 with an ASM (Sn = .95, Sp = .73, PPV = .81, NPV = .92, YI = .68). Highest Y1 for ICD-10-CM was one encounter with G40 in primary diagnostic position or ≥2 encounters with G40 in any diagnostic position (Sn = .82, Sp = .85, PPV = .87, NPV = .80, YI = .67). Highest sensitivity was any encounter with ICD-9-CM 345 or 780.39 or ICD-10-CM G40, G41, or R56.9 (Sn = .96, Sp = .57, PPV = .73, NPV = .93, YI = .53). Highest specificity was ≥1 hospitalization with ICD-9-CM 345.x (except 345.2 and 345.3) or ICD-10-CM G40.x (Sn = .21, Sp = .97, PPV = .89, NPV = .51, YI = .18). SIGNIFICANCE: We identified ICD-9/10-CM-based case definitions (with and without ASM) that were sensitive and specific for epilepsy. Ultimately, extensive algorithms are provided to help inform case definition selection according to future study aims.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».