MétaCan
Menu
Retour à la cohorte
Enregistrement W4414300660 · doi:10.12927/hcpol.2025.27663

Canadian Family Physician Preferences on Updating the Classification System for Health Conditions and Related Issues

2025· article· en· W4414300660 sur OpenAlexaffvenueabout
Stephanie Garies, Kerry McBrien, Noah Crampton, Kees van Boven, Keith Denny, Terrence J. McDonald, Hude Quan, Michelle Smekal, William A. Ghali, Tyler Williamson

Notice bibliographique

RevueHealthcare policy · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueMedical Coding and Health Information
Établissements canadiensCanadian Institute for Health InformationUniversity of ManitobaUniversity of TorontoUniversity of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCoding (social sciences)VignetteMedical diagnosisWorkloadMedical classificationHealth careFocus group

Résumé

récupéré en direct d'OpenAlex

Physician billing claims are used to inform health system planning and for other secondary purposes. In most provinces/territories, diagnoses are coded using a system adopted in 1979, the International Classification of Diseases version 9 (ICD-9). This study aimed to understand the perspectives of family physicians on updating ICD-9. Canadian family physicians completed an online patient vignette coding exercise and electronic survey to capture preferences on two newer coding systems (ICD-11; International Classification for Primary Care version 3 [ICPC-3]), compared with the current ICD-9 system. The focus of this paper is the survey data, which were analyzed descriptively. One hundred and sixty-one family physicians from six provinces participated. Over half of them (58%) stated that ICD-9 should be replaced, and 86% of them felt confident learning a new coding system. After the coding exercise, most participants reported that they were very or somewhat satisfied with both newer systems (77% for ICD-11; 73% for ICPC-3). Family physicians in our study support replacing the outdated ICD-9 system to better reflect their workload and patient complexity. This paper provides recommendations for provinces/territories considering modernizing physician billing requirements.

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)0,006
score de la tête « metaresearch » (Gemma)0,029
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 enseignants0,987
Score d'incertitude au seuil0,243

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,232
Tête enseignante GPT0,513
Écart entre enseignants0,281 · 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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHealthcare policyMême sujetMedical Coding and Health InformationTravaux en français237 207