提高ICD-10 (疾病国际统计分类,第十次修订) 编码使用AI的质量:交叉随机对照试验协议
Taridzo Chomutare1,2, Anastasios Lamproudis1, Andrius Budrionis1,3
1Health Data Analytics, Norwegian Centre for E-health Research, Tromsø, Norway.
JMIR research protocols
|March 12, 2024
概括
本研究评估了一种计算机辅助临床编码 (CAC) 工具,以减少编码器负担并提高准确性. 这些发现将为医疗保健编码中的AI采用提供信息.
科学领域:
- 医疗信息学 医疗信息学
- 医疗编码系统 医学编码系统
- 医疗保健中的人工智能
背景情况:
- 临床编码对于卫生系统和数据完整性至关重要,是复杂的,容易出错的.
- 像ICD-11这样的现代系统增加了编码挑战,限制了当前对计算机辅助编码 (CAC) 工具有效性的理解.
- 现有的用户研究有限,需要进一步研究CAC在减少编码负担和提高质量的作用.
研究的目的:
- 在定量和质量上评估Easy-ICD CAC系统对推ICD-10代码的有用性.
- 确定Easy-ICD工具是否可以减少临床编码人员的工作负担.
- 评估CAC系统的潜力,以提高临床代码分配的准确性.
主要方法:
- 采用交叉随机对照试验设计来比较使用CAC工具和不使用CAC工具的编码器性能.
- 编码器的性能是通过将代码分配到临床文本所需的时间来衡量的.
- 编码质量,定义为代码分配的准确性,也是一个关键的性能指标.
主要成果:
- 该研究预计将量化CAC系统在时间效率和准确性方面对手动编码的有效性.
- 积极的结果表明CAC工具可以减轻医疗保健人员的负担,支持AI集成到编码实践中.
- 预期结果预计将在2024年夏天发表.
结论:
- 用户研究旨在提高对CAC系统对临床编码效率和质量的实际影响的理解.
- 结果可能会提供有关利用临床文本挖掘来减少编码器负担的见解.
- 这项研究旨在降低像ICD-11这样的现代编码系统的采用障碍.
关键词:
简单的ICD简单的ICD.在ICD-10中,它被列为ICD-10.在ICD-11中,它被列为ICD-11.疾病国际分类,第十一修订.疾病国际分类,第十次修订.人工智能的人工智能是人工智能.临床编码 临床编码深度学习是一种深度学习.机器学习是机器学习.
