Validity of the International Classification of Diseases, 10th Revision codes for lithium toxicity in adult patients at hospital admission: a cohort study in Canada
Notice bibliographique
Résumé
OBJECTIVE: (ICD-10) healthcare database diagnosis codes for lithium toxicity at hospital admission in Ontario, Canada. DESIGN: Population-based retrospective validation study. SETTING: A total of 152 hospitals linked to a provincial laboratory database in Ontario, Canada, from 2007 to 2023. PARTICIPANTS: Patients 50 years of age or older taking lithium with hospital-based serum lithium laboratory measurements during admission to the hospital (n=2804). OUTCOME MEASURES: Sensitivity, specificity, positive predictive value (PPV) and negative predictive value (NPV) comparing an ICD-10 diagnostic coding algorithm for lithium toxicity to a serum lithium concentration of 1.5 mmol/L or more. The codes used in the algorithm were T568, T435, Y495, X41 and X49. Serum lithium values and changes in the concentration of serum lithium from baseline levels in patients with and without a diagnosis code for lithium toxicity (code-positive and code-negative, respectively). RESULTS: The sensitivity of the ICD-10 coding algorithm for identifying a serum lithium level≥1.5 mmol/L was 84% (95% CI 81% to 87%). The specificity and the NPV were over 88%, and the PPV was 63% (95% CI 60% to 66%). The median (IQR) serum lithium measurement in code-positive patients was 1.7 (1.2 to 2.2) mmol/L, and it was 0.6 (0.4 to 0.9) mmol/L in code-negative patients. The median (IQR) increase in serum lithium concentration compared with the most recent prehospital baseline values was 0.7 (0.2 to 1.3) mmol/L in code-positive patients and 0.0 (-0.2 to 0.2) mmol/L in code-negative patients. CONCLUSION: In Ontario, the sensitivity of the ICD-10 coding algorithms was moderate for identifying a serum lithium level≥1.5 mmol/L at hospital admission. The presence or absence of the ICD-10 codes for lithium toxicity at hospital admission successfully differentiated two groups of patients with distinct serum lithium measurements.
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 | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».