Applying the hospital administrative data quality scoring tool in 15 countries
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Hospital administrative data serves as a rich source of information for resource allocation, surveillance, and international comparisons. Differences in coding practices and guidelines lead to variations in hospital administrative data. This study outlines our team's process of creating a standardised tool, the Hospital Administrative Data Quality (HADQ) scoring tool, which will allow countries to assess their HADQ. METHOD: We previously developed 24 indicators through a Delphi consensus method. To test the applicability of these indicators, we approached 50 countries with an online survey comprised of qualitative and quantitative questions based on the 24 indicators. An overall score out of 20 for data quality was calculated for each country based on the survey responses. The score was classified into three categories: high data quality, moderate data quality and low data quality. RESULTS: Of the 50 countries invited, 17 responded. Surveys from two countries were excluded due to insufficient data. Country responses were evaluated and scored by dimension. The data quality indicators showed positive face validity and were applicable for most countries providing comparative information for development of the tool with good discrimination. Canada, United States of America, New Zealand, United Kingdom, and Spain were among the countries with an overall high data quality score. Most countries scored high in 3 out of 5 dimensions of data quality. A few counties scored 0 in "Relevance" and "Timeliness" resulting in a lower score.ConclusionThe HADQ tool developed in this study will support the assessment and comparison of HADQ by applying the same standard within and across countries.Implications for health information management practice:The HADQ tool can be used by diverse users such as the researchers, government bodies and policymakers interested in improving hospital administrative data quality following standardised indicators that can applied globally.
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 | 0,124 | 0,155 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,012 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,007 |
| 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 ».