Background: Hospital administrative databases are a useful source of population-level data on injured patients; however, these databases use the International Classification of Diseases (ICD) system, which does not provide a direct means of estimating injury severity. We created and validated a crosswalk to derive Abbreviated Injury Scale (AIS) scores from injury-related diagnostic codes in the tenth revision of the ICD (ICD-10).
Methods: We assessed the validity of the crosswalk using data from the Ontario Trauma Registry Comprehensive Data Set (OTRCDS). The AIS and Injury Severity Scores (ISS) derived using the algorithm were compared with those assigned by expert abstractors. We evaluated the ability of the algorithm to identify patients with AIS scores of 3 or greater. We used κ and intraclass correlation coefficients (ICC) as measures of concordance.
Results: In total, 10 431 patients were identified in the OTRCDS. The algorithm accurately identified patients with at least 1 AIS score of 3 or greater (κ 0.65), as well as patients with a head AIS score of 3 or greater (κ 0.78). Mapped and abstracted ISS were similar; ICC across the entire cohort was 0.83 (95% confidence interval 0.81-0.84), indicating good agreement. When comparing mapped and abstracted ISS, the difference between scores was 10 or less in 87% of patients. Concordance between mapped and abstracted ISS was similar across strata of age, mechanism of injury and mortality.
Conclusion: Our ICD-10-to-AIS algorithm produces reliable estimates of injury severity from data available in administrative databases. This algorithm can facilitate the use of administrative data for population-based injury research in jurisdictions using ICD-10.
Contexte: Les bases de données administratives des hôpitaux sont des sources utiles pour obtenir des données démographiques au sujet des patients victimes de blessures; ces bases de données utilisent toutefois le système de classification internationale des maladies (CIM) qui ne permet pas d’estimer directement la gravité des blessures. Nous avons créé et validé un tableau de concordance pour établir les scores de la liste-type des blessures (LTB) à partir des codes de diagnostics liés aux traumatismes cités dans la dixième révision du manuel CIM (CIM-10).
Méthodes: Nous avons vérifié la validité du tableau de concordance à l’aide de l’ensemble des données du Registre ontarien des traumatismes (OTR-CDS). La liste-type des blessures et les indices de gravité des blessures (IGB) obtenus en utilisant l’algorithme ont été comparés aux valeurs assignées par les experts chargés de rédiger les sommaires. Nous avons évalué la capacité de l’algorithme à reconnaître les patients qui obtenaient des scores de 3 ou plus selon la liste-type des blessures. Nous avons utilisé le coefficient κ et le coefficient de corrélation intraclasse (CCI) comme mesures de concordance.
Résultats: En tout, nous avons recensé 10 431 patients dans l’ensemble des données du OTR-CDS. L’algorithme a permis de reconnaître avec justesse les patients qui présentaient au moins un score LTB de 3 ou plus (κ 0,65), de même que les patients qui présentaient un score LTB pour traumatisme crânien de 3 ou plus (κ 0,78). Les IGB cartographiés et abstraits se sont révélés similaires; le CCI appliqué à la cohorte entière a été de 0,83 (intervalle de confiance à 95 %, 0,81–0,84), ce qui équivaut à une bonne concordance. En comparant les IGB cartographiés et abstraits, la différence entre les scores a été de 10 ou moins chez 87 % des patients. La concordance entre les IGB cartographiés et abstraits a été similaire, indépendamment des tranches d’âge, des mécanismes lésionnels et de la mortalité.
Conclusion: Notre algorithme CIM-10/LTB génère des estimations fiables de la gravité des blessures à partir des données disponibles dans les bases de données administratives. Dans les administrations qui utilisent la classification internationale des maladies CIM 10, cet algorithme peut faciliter l’utilisation des données administratives dans le cadre de recherches sur les blessures dans la population.