Video Experimental Relacionado
Updated: Jan 22, 2026

Inverse Probability of Treatment Weighting Propensity Score using the Military Health System Data Repository and National Death Index
Published on: January 8, 2020
Diferencias en la Medición de Comorbilidades Basadas en Definiciones de Codificación ICD-10-CM Utilizando Datos de
Emilie D Duchesneau1, Allison Musty1, Elyse Miller1,2
1Department of Epidemiology and Prevention, Division of Public Health Sciences, Wake Forest University School of Medicine, Winston-Salem, NC.
Los datos de encuentros de Medicare Advantage (MA) muestran una prevalencia de comorbilidades en gran medida consistente en comparación con las reclamaciones de pago por servicio (FFS). Esto apoya la fiabilidad de los datos de MA para la investigación sobre el envejecimiento, aunque algunas variaciones en la codificación merecen un estudio adicional.
Área de la Ciencia:
- Gerontología
- Investigación de Servicios de Salud
- Bioestadística
Sus antecedentes:
- Los datos de encuentros de Medicare Advantage (MA), disponibles desde 2019, ofrecen oportunidades para la investigación.
- Persisten las preocupaciones sobre la calidad y la consistencia de los datos de encuentros de MA.
- Comprender la codificación de comorbilidades en MA en comparación con el Pago por Servicio (FFS) tradicional es crucial para una investigación sanitaria precisa.
Objetivo del estudio:
- Evaluar la consistencia de la codificación de comorbilidades de la Clasificación Internacional de Enfermedades, Décima Revisión, Modificación Clínica (CIE-10-CM) entre los datos de Medicare Advantage (MA) y los datos de Pago por Servicio (FFS).
- Evaluar la fiabilidad de los datos de encuentros de MA para fines de investigación comparándolos con los datos de reclamaciones de FFS.
Principales métodos:
- Se utilizaron datos del National Health and Aging Trends Study (NHATS) vinculados con la inscripción en Medicare, datos de encuentros de MA y reclamaciones de FFS (2016-2017).
- Se incluyeron participantes con inscripción continua en MA o FFS durante un año antes del estudio.
- Se identificaron comorbilidades utilizando códigos ICD-10-CM y se estimaron las diferencias de prevalencia (PD) después de estandarizar las covariables demográficas y clínicas.
Principales resultados:
- Después de la estandarización, la prevalencia de comorbilidades fue en gran medida similar entre los beneficiarios de MA y FFS.
- El trastorno vascular periférico y la insuficiencia renal fueron más prevalentes en los beneficiarios de MA.
- Los trastornos de fluidos/electrolitos y las anemias por deficiencia mostraron una mayor prevalencia en los beneficiarios de FFS, y otras diferencias fueron menores.
Conclusiones:
- La prevalencia de comorbilidades es en gran medida consistente entre los encuentros de MA y las reclamaciones de FFS, lo que apoya la fiabilidad de los datos de MA para la investigación sobre el envejecimiento.
- Las discrepancias observadas pueden deberse a diferencias reales o a variaciones en las prácticas de codificación influenciadas por los incentivos y la documentación de los proveedores.
- Se recomiendan estudios de validación adicionales para abordar las discrepancias de codificación restantes.
Más Videos Relacionados
Videos de Conceptos Relacionados
Definition and Measurement of Pressure: Atmospheric Pressure, Barometer, and Manometer
Acid–Base Equilibria: Activity-Based Definition of pH
In solutions of very low ionic strength—for example, pure water—the...
Testing a Claim about Mean: Known Population SD
Estimating a population mean requires the samples to be distributed normally. The data should be collected from the randomly selected samples having no sampling bias. The sample size needed to be higher than 30, and most importantly, the population standard deviation should be already known.
In most realistic situations, the population standard deviation is often unknown, but in rare circumstances, when it...
lncRNA - Long Non-coding RNAs
Testing a Claim about Population Proportion
There are two methods of testing a claim about a population proportion: (1) Using the sample proportion from the data where a binomial distribution is approximated to the normal distribution and (2) Using the binomial probabilities calculated from the data.
The first method uses normal distribution as an approximation to the binomial distribution. The requirements are as follows: sample size is large...
Testing a Claim about Standard Deviation
The hypothesis testing for the claim of population standard deviation (or variance) requires the data and samples to be random and unbiased. The population distribution also must be normal. There is no specific requirement on the sample size as the estimation is based on the chi-square distribution.
As a first step, the hypothesis (null and alternative) concerning the claim about...

