编码公平:在ICD代码分配中检测与人口统计学相关的编码差异
Ying Yin1,2, Stuart J Nelson1, Yijun Shao1,2
1Biomedical Informatics Center, George Washington University, Washington, DC.
电子医疗记录编码错误可以引入偏差. 这项研究发现人口群体之间存在显著的编码差异,强调了临床数据公平性的需要.
科学领域:
- 生物医学信息学 生物医学信息学
- 医疗保健中的人工智能
- 健康 公平 研究 健康 公平 研究
背景情况:
- 编码的临床数据,特别是国际疾病分类 (ICD) 代码,对于生物医学研究,队列组装和人工智能建模至关重要.
- 现有的研究承认电子医疗记录中的编码错误,但潜在偏差对公平性的影响,特别是在AI应用中,尚未得到充分探索.
- 确保人工智能研究的公平性变得越来越重要,需要对用于模型开发的编码临床数据中的偏见进行检查.
研究的目的:
- 在退伍军人卫生管理局临床数据仓库内评估人口统计学子组的编码公平性.
- 通过将人工智能产生的表型与基于ICD的表型进行比较,评估国际疾病分类 (ICD) 代码中的潜在偏差.
- 在临床数据编码中识别与人口统计学相关的差异.
主要方法:
- 利用了种族和性别不可知的人工智能 (AI) 现型模型.
- 在退伍军人卫生管理局临床数据仓库内分析了203个ICD代码块的编码公平性.
- 将人工智能生成的表型与基于ICD的表型进行比较,以确定差异.
主要成果:
- 在人口统计学子组中观察到编码一致性的变化,包括性别,种族和种族.
- 在分析的ICD代码块中,超过50%的代码块显示,在人口群体中,AI生成的和基于ICD的表型之间的差异存在统计学上显著的差异.
- 这些发现表明,与人口统计学相关的编码差异显著存在.
结论:
- 在大规模的临床数据中存在与人口统计学相关的编码差异.
- 该研究强调了解决这些偏见的必要性,以确保人工智能研究和临床信息学中的公平性.
- 识别和减轻编码差异对于公平使用医疗保健数据至关重要.
更多相关视频
09:01A Method for Investigating Age-related Differences in the Functional Connectivity of Cognitive Control Networks Associated with Dimensional Change Card Sort Performance
Published on: May 7, 2014
09:00Author Spotlight: Validation of SICOLE-R for Assessing Cognitive and Reading Skills in Spanish-Speaking Children and Its Role in Personalized Education
Published on: August 16, 2024
相关概念视频
Documentation of Nursing Diagnosis
In some settings, data-driven computerized decision support systems are in place, allowing for more accurate nursing diagnoses. The database within one of these systems includes diagnostic labels defining characteristics, activities, and indicators for nursing. A nurse enters...
Diagnostic and Statistical Manual of Mental Disorders (DSM)
Detection of Gross Error: The Q Test
Data Reporting and Recording
Confounding in Epidemiological Studies
Formulating and Validating Nursing Diagnosis I
There are thirteen domains...
