اندازه گیری توافق داده های اداری با داده های نمودار با استفاده از شیوع غیر قابل تنظیم و تنظیم شده کاپا

کاپا معمولاً هنگام ارزیابی توافق شرایط با استاندارد مرجع مورد استفاده قرار می گیرد ، اما به دلیل وابسته بودن به شیوع مورد انتقاد قرار گرفته است. برای غلبه بر این محدودیت ، یک کاپا تنظیم شده و تعصب تنظیم شده با تعصب (PABAK) ایجاد شده است. هدف از این مطالعه نشان دادن عملکرد کاپا و PABAK و ارزیابی توافق بین داده های اداری تخلیه بیمارستان و شرایط داده بررسی نمودار است.

مواد و روش ها

این توافق نامه برای نمونه گیری تصادفی ، نمونه برداری محدود شده بر اساس شرایط و نمونه گیری مورد از مورد از چهار بیمارستان آموزشی در آلبرتا ، کانادا از داده های اداری ICD10 در تاریخ 1 ژانویه ، 2003 و 30 ژوئن 2003 مقایسه شد. در مجموع 4،008 سوابق تخلیه بیمارستان ونمای نمودار ، برای شناسه منحصر به فرد شخصی و تاریخ پذیرش ، برای 32 شرط نمونه گیری تصادفی مورد بررسی قرار گرفت. نمونه محدود برای فشار خون بالا ، انفارکتوس میوکارد و نارسایی احتقانی قلب و نمونه کنترل مورد برای این سه شرط از نمونه تصادفی استخراج شد. شیوع ، کاپا ، PABAK ، توافق مثبت ، توافق منفی برای این شرط برای هر یک از سه نمونه مقایسه شد.

نتایج

شیوع هر شرایط به روش نمونه برداری بسیار وابسته بود ، و این تغییر در شیوع تأثیر معنی داری بر کاپا و پااباک داشت. مقادیر Pabak برای شرایط خاص با مقادیر کم Kappa بدیهی بود. شکاف بین این دو مقدار آماری برای یک شرط یکسان کاهش یافته است زیرا شیوع شرایط به 50 ٪ نزدیک می شود.

نتیجه

مقادیر کاپا نسبت به مقادیر pabak در 32 شرایط متفاوت تر بود. مقادیر PABAK معمولاً نباید به عنوان اندازه گیری توافق مشابه KAPPA در داده های اداری ، به ویژه برای شرایط با شیوع کم تعبیر شود. هیچ توافق نامه اندازه گیری آماری واحد وجود ندارد که اطلاعات مورد نظر را برای اعتبار داده های اداری ضبط کند. محققان باید از کاپا ، شیوع ، توافق مثبت ، توافق منفی و فرکانس نسبی در هر سلول (یعنی A ، B ، C و D) گزارش دهند تا خواننده بتواند از اعتبار داده های اداری از جنبه های مختلف قضاوت کند.

زمینه

اعتبار سنجی ، از جمله محتوا ، ساخت و ساز و اعتبار معیار یک مسئله اساسی برای تحقیقات پزشکی است. در مطالعات اپیدمیولوژیک ، اعتبار معیار (که به عنوان اعتبار در این مقاله به آن اشاره می شود) ، بیشتر مورد استفاده قرار می گیرد و به اندازه گیری معیار بستگی دارد. در حالت ایده آل ، معیار باید کاملاً "حقیقت" را منعکس کند و معمولاً از آن به عنوان "استاندارد طلا" یاد می شود. پس از اجرای "استاندارد طلا" ، آمار حساسیت ، ویژگی ، ارزش پیش بینی مثبت (PPV) و ارزش پیش بینی منفی (NPV) برای تعیین کمیت اعتبار یک اندازه گیری که مورد بررسی قرار می گیرد ، استفاده می شوند.

در دنیای "واقعی" ، به ویژه در مطالعات اپیدمیولوژیک ، "استاندارد طلا" به ندرت در دسترس است ، بسیار دشوار یا پرهزینه است. بنابراین محققان غالباً از اقدامات تقریبی "استاندارد طلا" به عنوان معیار ارزیابی اعتبار استفاده می کنند. به عنوان مثال ، اعتبار شرایط پزشکی ثبت شده در داده های اداری تخلیه بیمارستان با استحکام مجدد نمودارهای بستری توسط متخصصان بهداشت و همچنین مقایسه با داده های خود گزارش شده بیمار ارزیابی شده است. در این مواقع که هیچ "استاندارد طلا" وجود ندارد ، از آمار Kappa معمولاً برای ارزیابی توافق برای تخمین "اعتبار" استفاده می شود.

در سال 1960 ، بر اساس قابلیت اطمینان از احتمال تجزیه و تحلیل محتوا [1] ، کوهن آماری KAPPA را برای ارزیابی داده های طبقه بندی کرد ، که میزان توافق را که انتظار می رود به تنهایی اتفاق می افتد را تصحیح یا تنظیم می کند [2]. از زمان آغاز به کار ، کاپا به طور گسترده مورد مطالعه و نقد قرار گرفته است (جدول 1). یکی از انتقادات رایج این است که کاپا به شیوع وضعیت در جمعیت بسیار وابسته است [3 ، 4]. برای غلبه بر این محدودیت ، چندین روش جایگزین برای توافق بررسی شده است [5-8]. در سال 1993 ، Byrt و همکاران [9] یک کاپا تنظیم شده و شیوع تنظیم شده با تعصب و شیوع را پیشنهاد کردند که پنجاه درصد شیوع این بیماری و عدم وجود هرگونه تعصب را به عهده می گیرد. PABAK در بسیاری از مطالعات فراوان برای ارزیابی توافق به کار رفته است [10-17]. در مقایسه با کاپا ، پاباک وضعیت ایده آل را منعکس می کند و تغییر شیوع در شرایط و تعصب ارائه شده در جهان "واقعی" را نادیده می گیرد. برای نشان دادن عملکرد Kappa و Pabak ، ما توافق بین داده های اداری تخلیه بیمارستان و شرایط داده بررسی نمودار را ارزیابی کردیم ، با توجه به اینکه شیوع یک شرط با استفاده از روش نمونه گیری به کار رفته متفاوت است. ما کاپا و پاباک را در سه سناریوی نمونه گیری زیر تجزیه و تحلیل کردیم. 1) نمونه گیری تصادفی ، 2) نمونه گیری محدود شده بر اساس شرایط و 3) نمونه گیری مورد کنترل.

مواد و روش ها

نمونه اتفاقی

در مجموع 4،008 سوابق ترخیص بیمارستان به طور تصادفی از چهار بیمارستان آموزشی بزرگسالان در آلبرتا ، کانادا در بین پذیرش ها در تاریخ 1 ژانویه 2003 و 30 ژوئن 2003 انتخاب شدند. حداقل 1000 پرونده از هر بیمارستان وجود داشت.

تعریف شرایط در داده های اداری ICD-10

رمزگذارهای ضبط شده سلامت حرفه ای آموزش دیده از طریق نمودار پزشکی بیمار برای تعیین طبقه بندی بین المللی بیماری 10th نسخه (ICD-10) تشخیص می دهند که به طور مناسب بستری بیمار را توصیف می کنند. هر سابقه تخلیه شامل یک شماره شناسایی منحصر به فرد برای هر بستری ، شماره نمودار بیمار و حداکثر 16 تشخیص بود. ما 32 شرط را بر اساس کدهای ICD-10 تعریف کردیم [18].

تعریف شرایط در داده های نمودار

نمودارهای 4008 بیمار به طور تصادفی انتخاب شده با استفاده از شناسه و تاریخ پذیرش منحصر به فرد قرار گرفتند. دو داور آموزش دیده حرفه ای از طریق بررسی صفحه پوشش نمودار ، خلاصه تخلیه ، خلاصه روایت ، گزارش های آسیب شناسی (از جمله گزارش های کالبد شکافی) ، سوابق تروما و احیا ، یادداشت های پذیرش ، گزارش های مشاوره ، گزارش های جراحی/عملیات ، بیهوشی ، بررسی کامل نمودار 4008 بیمار را از 4008 بیمار انجام دادند. گزارش ها ، یادداشت های پیشرفت روزانه پزشک ، دستورات پزشک ، گزارش های تشخیصی و یادداشت های انتقال برای شواهد هر یک از 32 شرایط. این روند برای هر نمودار تقریباً یک ساعت طول کشید.

نمونه محدود

ما سوابق را با هر یک از سه شرط (یعنی فشار خون بالا ، انفارکتوس میوکارد و نارسایی احتقانی قلب) از داده های اداری ICD-10 استخراج کردیم. در میان 1126 سوابق که معیارها را رعایت می کردند ، 887 سوابق با فشار خون بالا ، 336 با انفارکتوس میوکارد و 254 با نارسایی احتقانی قلب وجود داشت.

نمونه کنترل مورد

ما یک نمونه کنترل مورد را برای هر یک از سه شرط خاص بر اساس داده های اداری ICD-10 تعریف کردیم. نمونه اول شامل 887 سوابق با فشار خون بالا و 887 سوابق به طور تصادفی در بین افراد بدون فشار خون بالا بود. بنابراین در کل نمونه برای فشار خون بالا حاوی 1774 سوابق است. با استفاده از همان روش ، نمونه دوم و سوم برای انفارکتوس میوکارد و نارسایی احتقانی قلب ایجاد شد. در کل 672 سوابق برای انفارکتوس میوکارد (336 با انفارکتوس میوکارد ، 336 بدون) و 508 سوابق برای نارسایی احتقانی قلب (254 با نارسایی احتقانی قلب و 254 رکورد بدون) وجود داشت.

شاخص های آماری توافق

ما شیوع شرط ، کاپا ، آماری PABAK ، توافق مثبت ، توافق منفی ، توافق مشاهده شده و توافق شانس را برای شرط در هر یک از سه نمونه محاسبه کردیم. تعریف Kappa و Pabak این است:

جایی که من_ایو من_اشمیهبه ترتیب توافق و توافق شانس مشاهده شده است.

طبقه بندی متقاطع برای نتایج شرط توسط دو بانک اطلاعاتی و فرمول های محاسبه آمار توافق نامه را می توان در پرونده اضافی یافت. ما مقادیر آماری را در سه نمونه مانند کاپا محاسبه کردیم. اینها به آمار نمونه ها اشاره می کنند و به مقادیر پارامتر برای جمعیت اشاره نمی کنند اگرچه از آمار نمونه برای برآورد مقادیر جمعیت استفاده می شود. بنابراین ، شاخص های آماری مورد استفاده در این مقاله به ارزش آماری برای نمونه اشاره دارد ، نه برای جمعیت.

این مطالعه توسط کمیته اخلاق دانشگاه کالگری ، کانادا تأیید شد

نتایج

نمونه تصادفی برای 32 شرط

شاخص های آماری برای توافق برای 32 شرایط در جدول 2 ارائه شده است. شیوع شرایط داده های اداری ICD-10 از 0. 25 ٪ تا 22. 13 ٪ است ، در حالی که برای بررسی نمودار ، از 0. 60 ٪ تا 30. 19 ٪ در بین 32شرایطتغییر در توافق منفی از 0. 92 به 1. 00 و از 0. 21 به 0. 84 برای توافق مثبت بود. کاپا از 0. 20 تا 0. 83 متغیر بود ، در حالی که برای Pabak ، از 0. 72 تا 0. 99 بود ، با مقدار Pabak بیشتر از Kappa برای همه شرایط موجود در نمونه بود. تفاوت بین مقادیر Pabak و Kappa از 0. 06 تا 0. 77 بود. فشار خون بالا و سرطان متاستاتیک کمترین اختلاف 0. 06 را داشت ، در حالی که کم خونی از دست دادن خون و انعقاد خون بیشترین اختلاف را 0. 77 داشتند. Kappa و Pabak با شیوع 32 شرط در شکل 1 نشان داده شده است.

جدول 2 شاخص شیوع و قابلیت اطمینان بین نمودار انتزاعی و ICD-10 داده های انتزاعی تخلیه برای 32 شرط

مقایسه کاپا و پاباک با تغییر شیوع شرایط.

نمونه محدود برای شرایط انتخاب

شیوع فشار خون بالا ، انفارکتوس میوکارد و نارسایی احتقانی قلب برای داده های ICD-10 از 22. 13 ٪ ، 8. 38 ٪ ، 6. 34 ٪ در نمونه تصادفی به 78. 77 ٪ ، 29. 84 ٪ و 22. 56 ٪ برای نمونه محدود افزایش یافته است (جدول 3)بشرتفاوت بین مقادیر PABAK و KAPPA برای فشار خون بالا ، انفارکتوس میوکارد و نارسایی احتقانی قلب به ترتیب 0. 09 ، 0. 03 و 0. 05 بود که از 0. 06 ، 0. 18 و 0. 18 برای نمونه تصادفی تغییر یافت.

جدول 3 شاخص شیوع و قابلیت اطمینان بین نمودار انتزاعی و ICD-10 داده های انتزاعی تخلیه برای 3 شرایط انتخاب ، با روش نمونه برداری

نمونه کنترل مورد برای شرایط انتخاب

با طراحی شیوع این سه شرط برای داده های اداری ICD-10 50 ٪ ، مقادیر Pabak و Kappa برای فشار خون بالا ، انفارکتوس میوکارد و نارسایی احتقانی قلب 0. 82 ، 0. 88 و 0. 89 بود که در نتیجه اختلاف 0 بین این دو شاخص ایجاد شد. بشر

بحث

ما عملکرد شیوع غیر قابل تنظیم (یعنی KAPPA) و شاخص های آماری تنظیم شده (یعنی PABAK) را برای ارزیابی توافق بین داده های اداری و داده های بررسی نمودار پزشکی در یک نمونه به طور تصادفی برای 32 شرط و همچنین نمونه محدود و مورد کنترل مورد بررسی قرار دادیم. برای سه شرط انتخاب (فشار خون بالا ، انفارکتوس میوکارد و نارسایی احتقانی قلب). نتایج ما نشان می دهد که برای همان شرایط شیوع بسته به روش نمونه گیری متفاوت است و این تغییر بر آمار کاپا و پااباک تأثیر می گذارد. ما برجسته می کنیم که 1) مقادیر کاپا نسبت به مقادیر pabak در 32 شرایط متفاوت تر است. 2) PABAK معمولاً نباید به عنوان اندازه گیری پارامتر توافق مشابه KAPPA در داده های اداری ، به ویژه برای شرایط با شیوع کم تعبیر شود. 3) شکاف بین این دو مقدار آماری برای همان شرایط با افزایش شیوع آن باریک شد و هنگامی که شیوع به 50 ٪ ثابت شد ناپدید شد.< SPAN> ما عملکرد شیوع غیر قابل تنظیم (یعنی KAPPA) و شاخص های آماری تنظیم شده (یعنی PABAK) را برای ارزیابی توافق بین داده های اداری و داده های بررسی نمودار پزشکی در یک نمونه تصادفی انتخاب شده برای 32 شرط ، و همچنین یک محدود و مورد بررسی کردیم. نمونه کنترل برای سه شرایط انتخابی (فشار خون بالا ، انفارکتوس میوکارد و نارسایی احتقانی قلب). نتایج ما نشان می دهد که برای همان شرایط شیوع بسته به روش نمونه گیری متفاوت است و این تغییر بر آمار کاپا و پااباک تأثیر می گذارد. ما برجسته می کنیم که 1) مقادیر کاپا نسبت به مقادیر pabak در 32 شرایط متفاوت تر است. 2) PABAK معمولاً نباید به عنوان اندازه گیری پارامتر توافق مشابه KAPPA در داده های اداری ، به ویژه برای شرایط با شیوع کم تعبیر شود. 3) شکاف بین این دو مقدار آماری برای همان شرایط با افزایش شیوع آن کاهش یافته و هنگامی که شیوع به 50 ٪ ثابت شد ناپدید شد. ما عملکرد شیوع غیرقابل تنظیم (یعنی کاپا) را بررسی کردیم و شاخص های آماری را تنظیم کردیم (یعنی Pabak) برای ارزیابی توافق بین داده های اداری و داده های بررسی نمودار پزشکی در یک نمونه به طور تصادفی برای 32 شرط ، و همچنین یک نمونه محدود و کنترل مورد برای سه شرط انتخاب (فشار خون بالا ، انفارکتوس میوکارد و نارسایی احتقانی قلب). نتایج ما نشان می دهد که برای همان شرایط شیوع بسته به روش نمونه گیری متفاوت است و این تغییر بر آمار کاپا و پااباک تأثیر می گذارد. ما برجسته می کنیم که 1) مقادیر کاپا نسبت به مقادیر pabak در 32 شرایط متفاوت تر است. 2) PABAK معمولاً نباید به عنوان اندازه گیری پارامتر توافق مشابه KAPPA در داده های اداری ، به ویژه برای شرایط با شیوع کم تعبیر شود. 3) شکاف بین این دو مقدار آماری برای همان شرایط با افزایش شیوع آن باریک شد و هنگامی که شیوع به 50 ٪ ثابت شد ناپدید شد.

روش نمونه برداری به کار رفته تأثیر معنی داری در ارزیابی اعتبار دارد. در حال حاضر ، نمونه تصادفی ، نمونه محدود و نمونه مورد کنترل مورد نیاز در مطالعه اعتبار برای داده های اداری مورد استفاده قرار می گیرد [19-21]. در مطالعه ما ، مقدار کاپا برای فشار خون بالا برای نمونه تصادفی 0. 72 و برای نمونه محدود 0. 69 است. مطالعات قبلی نشان می دهد که مقدار کاپا به شیوع شرایط بسیار وابسته است [3 ، 4]. شیوع فشار خون بالا برای نمونه تصادفی 22. 13 ٪ و 78. 77 ٪ برای نمونه محدود در این مطالعه است. بنابراین ، تفاوت مقدار کاپا برای فشار خون بالا ممکن است ناشی از شیوع متفاوت بین نمونه های تصادفی و محدود باشد. روش نمونه برداری همچنین بر مقدار PABAK تأثیر گذاشت و مقدار PABAK با توجه به نوع روش نمونه گیری متفاوت بود. با تعریف ، Pabak فرض می کند که شیوع 50 ٪ با تعصب صفر است [6]. مقدار آن فقط به توافق مشاهده شده بستگی دارد [9]. در صورت شیوع فشار خون بالا 50 ٪ برای نمونه مورد کنترل به 0. 82 می رسد. این یافته ها با گزارش [22] واچ بر اساس نمونه فرضی سازگار است. به منظور غلبه بر تأثیر شیوع بر ارزش کاپا ، برخی از محققان با استفاده از یک نمونه تعادل و جلوگیری از کاپا برای ارزیابی اعتبار شرایط با شیوع کم یا بسیار زیاد ، دفاع می کنند [3 ، 4 ، 9 ، 23]. یک دلیل بالقوه برای تغییر در PABAK با روش های نمونه برداری به دلیل تغییر در توافق مشاهده شده است که نتیجه تغییر در برآورد شیوع با روش های نمونه برداری بود. بنابراین تفسیر نتایج مطالعه اعتبار سنجی باید اثر نمونه گیری و شیوع بیماری را در نظر بگیرد.

کاپا نسبت به شیوع شرایط تعریف شده از داده های اداری حساس است. مطالعه Agresti [24] تأثیر شیوع در کاپا را مورد بررسی قرار داد و مقادیر کاپا را از جمعیت با شیوع مختلف مقایسه کرد. مطالعه [22] واچ نشان داد که کاپا بالاترین است که شیوع آن برابر با 50 ٪ باشد. در واقعیت ، تقریباً همه بیماری ها شیوع در جمعیت کمتر از 50 ٪ دارند. طراحی مطالعه مورد کنترل (تطبیق 1: 1) به طور خودکار مقدار کاپا را به حداکثر می رساند. در مطالعه ما ، کاپا برای فشار خون بالا در نمونه مورد کنترل 82/0 بالاتر از نمونه تصادفی 0. 72 بود. بنابراین ، باید در تفسیر کاپا برای مطالعات کنترل مورد استفاده شود.

در این مطالعه ، ما عملکرد KAPPA و PABAK را در اندازه گیری توافق بین داده های اداری و داده های بررسی نمودار مقایسه کردیم اما نتوانستیم تعیین کنیم که کدام اقدامات آماری با دقت و قابل اعتماد تر توافق می کند. دلیل این امر این است که ما نتوانستیم پارامتر اعتبار "واقعی" داده های اداری را ایجاد کنیم. با این حال ، ارزیابی این دو آمار از طریق عمل کدگذاری داده های اداری (یعنی روانی چهره) نشان می دهد که مقادیر PABAK معمولاً نباید به عنوان اندازه گیری پارامتر توافق مشابه KAPPA ، به ویژه برای شرایط با شیوع کم تعبیر شود. در نمونه تصادفی ما ، مقدار PABAK در بین 32 شرایط از 0. 72 تا 99/0 متغیر بود ، که نشانگر درجه بالایی از "اعتبار" برای داده های اداری در ضبط این شرایط است. مقدار بالای PABAK برای چاقی و کاهش وزن نمونه هایی است (96/0 برای هر دو شرط) که اعتبار PABAK را زیر سوال می برد. دستورالعمل و عمل کدگذاری داده های اداری [25] به رمزگذاران دستور می دهد که این شرایط را کدگذاری نکنند حتی اگر در نمودارها ثبت شوند زیرا ممکن است بر مدت اقامت ، مراقبت های بهداشتی یا درمان درمانی تأثیر نگذارد. علاوه بر این ، رمزگذارها ممکن است عمداً این شرایط را به دلیل محدودیت محدودی که برای کد هر نمودار کد می کنند ، کدگذاری نکنند. بنابراین ، این دو شرط به طور کلی اعتبار بسیار ضعیفی در داده های اداری دارند. این واقعیت با توافق مثبت بسیار ضعیف (30/0 برای چاقی و 0. 21 برای کاهش وزن) و ارزش کاپا (0. 20 و 0. 28) آشکار می شود. Pabak فرض می کند که تعصب وجود ندارد و شیوع آن 50 ٪ است. با این حال ، هنگامی که تعصب ارائه شده و شیوع آن از 50 ٪ خارج می شود ، مقدار Pabak و مقدار Kappa متناقض است.

تعصب همچنین بر مقادیر کاپا تأثیر دارد. تعصب میزان اختلاف در مورد نسبت موارد مثبت (یا منفی) است و در تفاوت بین B و C منعکس می شود (به پرونده اضافی 1 مراجعه کنید) [26]. مقدار کاپا برای یک تعصب زیاد بیشتر است ، در حالی که مقدار کاپا برای تعصب پایین تر یا غایب پایین تر است [9]. در مطالعه ما ، مقدار B و C برای همان شرایط در نمونه های مختلف تغییر کرده است. برای انفارکتوس میوکارد ، مقدار B و C به ترتیب 0. 55 ٪ و 4. 92 ٪ در نمونه تصادفی بود ، در حالی که در نمونه محدود 95 ٪ و 10. 04 ٪ بود. علاوه بر این ، شیوع این بیماری از 8. 38 ٪ برای نمونه تصادفی و به ترتیب 29. 84 ٪ برای نمونه محدود تغییر یافته است. با توجه به تعریف کاپا ، بدیهی است که تغییرات شیوع تأثیر آن بر کاپا است. برای نمونه محدود ، هم تفاوت B و C و هم شیوع انفارکتوس میوکارد در مقایسه با نمونه تصادفی بیشتر است. این تا حدودی توضیح می دهد که چرا مقدار کاپا در نمونه محدود نسبت به نمونه های نمونه تصادفی بیشتر است.

مطالعه ما حداقل دو محدودیت دارد. اولا ، ما نمی توانیم ارزش "واقعی" کاپا را برای شرایط موجود در داده های اداری در مطالعه خود ضبط کنیم. بنابراین ، تفاوت بین مقدار "واقعی" و ارزش تخمین زده شده کاپا ، و تغییرات آنها به دلیل تغییر شیوع ، قابل ارزیابی نیست. ثانیا ، ما از داده های نمودار استخراج شده توسط داوران به عنوان "استاندارد طلا" برای ارزیابی اعتبار داده های ICD-10 استفاده کردیم. چنین استاندارد معیار بستگی به کیفیت نمودارها دارد.

نتیجه

مطالعه ما نشان می دهد که شیوع شرایط بسته به روش نمونه گیری به کار رفته متفاوت است و این تغییرات در کاپا و پااباک تأثیر دارد. اگرچه PABAK از نظر تئوری برای شیوع تعدیل می کند ، این آمار ممکن است برای ارزیابی توافق های بین دو منبع داده بالا باشد و ممکن است منجر به نتیجه گیری گمراه کننده شود. اگرچه هیچ آمار توافق نامه ای نمی تواند اطلاعات مورد نظر را ضبط کند ، ما محققان را ترغیب می کنیم تا کاپا را گزارش دهند ، شیوع ، توافق مثبت ، توافق منفی و فرکانس نسبی در هر سلول (یعنی A ، B ، C و D) به خوانندگان اجازه می دهد تا قضاوت کننداعتبار داده های اداری از جنبه های مختلف.

منابع

اسکات WA: قابلیت اطمینان تجزیه و تحلیل محتوا: مورد برنامه نویسی در مقیاس اسمی. کوارت افکار عمومی. 1955 ، 19: 321-353. 10. 1086/266577.

Cohen J: ضرایب توافق برای مقیاس های اسمی. Edu و Psych Meas. 1960 ، 20: 37-46. 10. 1177/001316446002000104.

Cicchetti DV ، Feinstein AR: توافق بالا اما کم Kappa: II. حل پارادوکس. J Clin Epidemiol. 1990 ، 43 (6): 551-558. 10. 1016/0895-4356 (90) 90159-m.

Feinstein AR ، Cicchetti DV: توافق بالا اما کم Kappa: I. مشکلات دو پارادوکس. J Clin Epidemiol. 1990 ، 43 (6): 543-549. 10. 1016/0895-4356 (90) 90158-L.

Bloch DA ، Kraemer HC: 2 × 2 ضرایب Kappa: اقدامات توافق یا ارتباط. بیومتریک1989 ، 45 (1): 269-287. 10. 2307/2532052.

Hoehler FK: تعصب و اثرات شیوع بر کاپا از نظر حساسیت و ویژگی مشاهده می شود. J Clin Epidemiol. 2000 ، 53 (5): 499-503. 10. 1016/S0895-4356 (99) 00174-2.

Lantz CA ، Nebenzahl E: رفتار و تفسیر آمار Kappa: وضوح دو پارادوکس. J Clin Epidemiol. 1996 ، 49 (4): 431-434. 10. 1016/0895-4356 (95) 00571-4.

Soeken KL ، Prescott PA: مسائل مربوط به استفاده از کاپا برای برآورد قابلیت اطمینان. مراقبت از MED. 1986 ، 24 (8): 733-741. 10. 1097/00005650-198608000-00008.

Byrt T ، Bishop J ، Carlin JB: تعصب ، شیوع و کاپا. J Clin Epidemiol. 1993 ، 46 (5): 423-429. 10. 1016/0895-4356 (93) 90018-V.

MAK HKF ، YAU KKW ، Chan BPL: مقادیر تنظیم تعصب تنظیم شده با شیوع به عنوان شاخص های اضافی برای اندازه گیری توافق ناظر [نامه]. رادیولوژی. 2004 ، 232 (1): 302-A-303. 10. 1148/radiol. 2321031974.

Mak HKF, Yau KKW, Khong P-L, Ching ASC, Cheng P-W, Au-Yeung PKM, Pang PKM, Wong KCW, Chan BPL: Hypodensity of >1/3 سرزمین شریان مغزی میانی در مقابل برنامه سکته مغزی آلبرتا نمره اولیه CT (جنبه ها): مقایسه دو روش ارزیابی کمی از تغییرات اولیه CT در سکته مغزی ایسکمیک بیش از حد در تنظیم جامعه. سکته. 2003 ، 34 (5): 1194-1196. 10. 1161/01. Str. 0000069162. 64966. 71.

Wapenaar W ، Barkema HW ، Vanleeuwen JA ، McClure JT ، O'Handley RM ، Kwok OCH ، Thulliez P ، Dubey JP ، Jenkins MC: مقایسه روشهای سرولوژیکی برای تشخیص عفونت Neospora Caninum در گاو. انگل شناسی دامپزشکی. 2007 ، 143 (2): 166-173. 10. 1016/j. vetpar. 2006. 08. 007.

Garbers S ، Chiasson MA: الگوهای توافق در مورد دانش و شیوه های غربالگری سرطان پستان در بین زنان در خانواده های دومینیکن و مکزیکی در شهر نیویورک. Med Sci Monit. 2004 ، 10 (11): CR628-634.

Thomsen PT ، Baadsgaard NP: توافق داخل و بین وسواس پروتکل برای معاینه بالینی گاوهای شیری. پیشگیری از دامپزشکی. 2006 ، 75 (1–2): 133-139. 10. 1016/j. prevetmed. 2006. 02. 004.

Cibere J ، Bellamy N ، Thoe A ، Esdaile JM ، McGorm KJ ، Chalmers A ، Huang S ، Peloso P ، Shojania K ، Singer J ، et al: قابلیت اطمینان معاینه زانو در آرتروز: اثر استاندارد سازی. آرتروز و روماتیسم. 2004 ، 50 (2): 458-468. 10. 1002/art. 20025.

Wapenaar W ، Barkema HW ، Schares G ، Rouvinen-Watt K ، Zeijlemaker L ، Poorter B ، O'Handley RM ، Kwok OCH ، Dubey JP: ارزیابی چهار تکنیک سرولوژیکی برای تعیین سرور از نئوسپور Caninum در روباه ها (Vulpes vulpes) وCoyotes (Canis Latrans) در جزیره پرنس ادوارد ، کانادا. انگل شناسی دامپزشکی. 2007 ، 145 (1–2): 51-58. 10. 1016/j. vetpar. 2006. 12. 002.

Vania Reis Girianelli LCST: ارزیابی توافق بین سیتولوژی معمولی و مبتنی بر مایع در تشخیص زودرس سرطان دهانه رحم بر اساس تجزیه و تحلیل 2،091 اسمیر: تجربه در انستیتوی ملی سرطان برزیل. سیتوپاتولوژی تشخیصی. 2007 ، 35 (9): 545-549. 10. 1002/dc. 20699.

Quan H ، Sundararajan V ، Halfon P ، Fong A ، Buand B ، Luthi JC ، Saunders LD ، Beck CA ، Feasby TE ، Ghali WA: الگوریتم های برنامه نویسی برای تعریف عوارض در ICD-9-CM و ICD-10 داده های اداری. مراقبت از MED. 2005 ، 43 (11): 1130-1139. 10. 1097/01. mlr. 0000182534. 19832. 83.

Bestein CN ، Blanchard JF ، Rawsthoe P ، Wajda A: اپیدمیولوژی بیماری کرون و کولیت اولسراتیو در یک استان مرکزی کانادا: یک مطالعه مبتنی بر جمعیت. Am J Epidemiol. 1999 ، 149 (10): 916-924.

Humphries KH ، Rankin JM ، Carere RG ، Buller CE ، Kiely FM ، Spinelli JJ: داده های همبستگی در نتایج نتایج: آیا داده های بالینی حاصل از پایگاه داده های اداری جایگزین قابل اعتماد برای بررسی نمودار هستند؟J Clin Epidemiol. 2000 ، 53 (4): 343-349. 10. 1016/S0895-4356 (99) 00188-2.

Kokotailo RA ، MD هیل: کدگذاری عوامل خطر سکته مغزی و سکته مغزی با استفاده از طبقه بندی بین المللی بیماری ها ، تجدید نظر 9 و 10. 2005 ، 36 (8): 1776-1781. 10. 1161/01. Str. 0000174293. 17959. A1.

واچ W: وابستگی کاپا کوهن به شیوع مهم نیست. J Clin Epidemiol. 2005 ، 58 (7): 655-661. 10. 1016/j. jclinepi. 2004. 02. 021.

Whiteburst JA: توافق نامه بین المللی برای بررسی نسخه های خطی مجله. من روانشناس هستم1984 ، 39: 22-28. 10. 1037/0003-066x. 39. 1. 22.

Agresti A ، Ghosh A: Raking Kappa: توصیف تأثیر بالقوه توزیع های حاشیه ای بر اقدامات توافق. مجله بیومتریک. 1995 ، 37 (7): 811-820. 10. 1002/bimj. 4710370705.

CIHI: استانداردهای برنامه نویسی کانادا برای ICD-10-CA و CCI برای 2007. 2007 ، اتاوا: موسسه اطلاعات بهداشتی کانادا

Sim J ، Wright CC: آمار Kappa در مطالعات قابلیت اطمینان: استفاده ، تفسیر و الزامات اندازه نمونه. Phys Ther2005 ، 85 (3): 257-268.

Cohen J: Kappa وزنه برداری: توافق نامه مقیاس اسمی با ارائه اختلاف نظر مقیاس یا اعتبار جزئی. گاو روانگردان. 1968 ، 70: 213-220. 10. 1037/H0026256.

Fleiss JL ، Cohen J ، Davies M: خطاهای استاندارد نمونه بزرگ Kappa و Kappa وزنه برداری. گاو روانگردان. 1969 ، 72: 323-327. 10. 1037/h0028106.

Landis RJ ، Koch GG: اندازه گیری توافق نامه ناظر برای داده های طبقه بندی. بیومتریک1977 ، 33: 159-174. 10. 2307/2529310.

Fleiss JL: اندازه گیری توافق نامه مقیاس اسمی در بین بسیاری از رأی دهندگان. گاو روانگردان. 1971 ، 76: 378-382. 10. 1037/H0031619.

Landis RJ ، Koch GG: مؤلفه های یک طرفه مدل واریانس برای داده های طبقه بندی. بیومتریک1977 ، 33: 671-679. 10. 2307/2529465.

Barlow W: اندازه گیری توافق نامه interrater با تنظیم متغیرهای متغیر. بیومتریک1996 ، 52 (2): 695-702. 10. 2307/2532907.

Quan H ، Parsons GA ، Ghali WA: اعتبار کدهای رویه در طبقه بندی بین المللی بیماری ها ، تجدید نظر نهم ، داده های اداری اصلاح بالینی. مراقبت از MED. 2004 ، 42 (8): 801-809. 10. 1097/01. mlr. 0000132391. 59713. 0d.

تاریخ قبل از انتشار

به تاریخچه قبل از انتشار این مقاله می توانید در اینجا دسترسی پیدا کنید: http: //www.biomedcentral.com/1471-2288/9/5/prepub

سپاسگزاریها

این جمع آوری داده ها توسط یک کمک هزینه عملیاتی از موسسه تحقیقات بهداشت کانادا ، کانادا پشتیبانی می شود. Drs Hemmelga و Quan توسط یک جایزه بازپرس سلامت جمعیت از بنیاد میراث پزشکی میراث آلبرتا و با دریافت جایزه جدید محقق از موسسه تحقیقات بهداشت کانادا ، کانادا پشتیبانی می شوند.

اطلاعات نویسنده

نویسندگان و وابستگی ها

گروه علوم بهداشت جامعه ، دانشگاه کلگری ، کلگری ، آلبرتا ، کانادا

Guanmin Chen ، Brenda Hemmelga ، Robin L Walker & Hude Quan

انستیتوی سلامت استخوان آلبرتا ، کلگری ، آلبرتا ، کانادا

گروه پزشکی ، دانشگاه کلگری ، کلگری ، آلبرتا ، کانادا

مرکز مطالعات بهداشت و سیاست ، دانشگاه کلگری ، بیمارستان 3330 دکتر NW ، کلگری ، آلبرتا ، T2N 4N1 ، کانادا

Guanmin Chen & Hude Quan

1. گونمین چن

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

نویسنده متناظر

اطلاعات اضافی

منافع رقابتی

نویسندگان اعلام می کنند که هیچ منافع رقابتی ندارند.

کمک های نویسندگان

GC درگیر در طراحی مطالعه ، تجزیه و تحلیل آماری را انجام داد ، نتایج را تفسیر کرد و نسخه خطی را تهیه کرد. PF و BH در طراحی مطالعه و تفسیر نتایج شرکت کردند. RB در تفسیر نتایج درگیر شد و در تهیه نسخه های خطی شرکت کرد. HQ مطالعه را تصور کرد ، در طراحی آن شرکت کرد و نتایج را تفسیر کرد. همه نویسندگان نسخه نهایی را می خوانند و تصویب کردند.

پرونده های ارسال شده اصلی نویسندگان برای تصاویر

در زیر پیوندها به پرونده های ارسالی اصلی نویسندگان برای تصاویر آورده شده است.

پرونده اصلی نویسندگان برای شکل 1

حقوق و مجوزها

دسترسی آزاد این مقاله تحت مجوز به Biomed Central Ltd. منتشر شده است. این یک مقاله دسترسی آزاد تحت شرایط مجوز انتساب Creative Commons (https://creativeecommons.org/licenses/by/2. 0) توزیع می شود ، که امکان استفاده نامحدود را فراهم می کند، توزیع و تولید مثل در هر رسانه ، مشروط بر اینکه کار اصلی به درستی ذکر شده باشد.

در مورد این مقاله

این مقاله را ذکر کنید

Chen ، G. ، Faris ، P. ، Hemmelga ، B. et al. اندازه گیری توافق داده های اداری با داده های نمودار با استفاده از شیوع غیر قابل تنظیم و تنظیم شده کاپا. BMC Med Res Methodol 9 ، 5 (2009). https://doi.org/10. 1186/1471-2288-9-5

دریافت: 18 ژوئیه 2008

پذیرفته شده: 21 ژانویه 2009

منتشر شده: 21 ژانویه 2009

این مقاله را به اشتراک بگذارید

هرکسی که لینک زیر را با آن به اشتراک بگذارید قادر به خواندن این محتوا خواهد بود: