Administrative data have high variation in validity for recording heart failure

Can J Cardiol. 2010 Oct;26(8):306-12. doi: 10.1016/s0828-282x(10)70438-4.

Abstract

Background: Many studies have relied on administrative data to identify patients with heart failure (HF).

Objective: To systematically review studies that assessed the validity of administrative data for recording HF.

Methods: English peer-reviewed articles (1990 to 2008) validating International Classification of Diseases (ICD)-8, -9 and -10 codes from administrative data were included. An expert panel determined which ICD codes should be included to define HF. Frequencies of ICD codes for HF were calculated using up to the 16 diagnostic coding fields available in the Canadian hospital discharge abstract during fiscal years 2000⁄2001 and 2005⁄2006.

Results: Between 1992 and 2008, more than 70 different ICD codes for defining HF were used in 25 published studies. Twenty-one studies validated hospital discharge abstract data; three studies validated physician claims and two studies validated ambulatory care data. Eighteen studies reported sensitivity (range 29% to 89%). Specificity and negative predictive value were greater than 70% across 17 studies. Nineteen studies reported positive predictive values (range 12% to 100%). Ten studies reported kappa values (range 0.39 to 0.84). For Canadian hospital discharge data, ICD-9 and -10 codes 428 and I50 identified HF in 5.50% and 4.80% of discharge records, respectively. Additional HF-related ICD-9 and -10 codes did not impact HF prevalence.

Conclusion: The ICD-9 and -10 codes 428 and I50 were the most commonly used to define HF in hospital discharge data. Validity of administrative data in recording HF varied across the studies and data sources that were assessed.

HISTORIQUE :: De nombreuses études se fient à des données administratives pour repérer les patients souffrant d’insuffisance cardiaque (IC).

OBJECTIF :: Procéder à une analyse systématique des études qui ont évalué la validité des données administratives pour documenter l’IC.

MÉTHODOLOGIE :: Des articles révisés par des pairs rédigés en anglais (1990 à 2008) validant les codes de données administratives de la Classification internationale des maladies (CIM)-8, 9 et 10 étaient inclus dans l’étude. Un comité d’experts a déterminé les codes du CIM qui devraient être inclus pour définir l’IC. La fréquence des codes du CIM pour l’IC était calculée au moyen de jusqu’à 16 champs de codage diagnostique inscrits dans les données canadiennes sur les congés des patients pendant les exercices financiers 2000–2001 et 2005–2006.

RÉSULTATS :: Entre 1992 et 2008, plus de 70 codes de CIM différents pour définir l’IC ont été utilisés dans 25 études publiées. Vingt et une études ont validé les données canadiennes sur les congés des patients, trois études, les réclamations des médecins et deux études, les données sur les soins ambulatoires. Dix-huit études ont fait état de la sensibilité (plage de 29 % à 89 %). La spécificité et la valeur prédictive négative étaient supérieures à 70 % dans 17 études. Dix-neuf études ont indiqué une valeur prédictive positive (plage de 12 % à 100 %). Dix études ont précisé les valeurs kappa (plage de 0,39 à 0,84).

Pour ce qui est des données canadiennes sur les congés des patients, les codes 428 et I50 du CIM-9 et du CIM-10 ont permis de recenser une IC dans 5,50 % et 4,80 % des dossiers de congé, respectivement. Les autres codes liés à l’IC du CIM-9 et du CIM-10 n’avaient pas de répercussions sur la prévalence d’IC.

CONCLUSION :: Les codes 428 et I50 du CIM-9 et du CIM-10 étaient les plus utilisés pour définir l’IC dans les données de congé hospitalier. La validité des données administratives pour documenter l’IC variait selon les études et les sources de données évaluées.

Publication types

  • Research Support, Non-U.S. Gov't
  • Review

MeSH terms

  • Forms and Records Control / statistics & numerical data*
  • Global Health
  • Heart Failure / diagnosis*
  • Heart Failure / epidemiology
  • Humans
  • International Classification of Diseases / statistics & numerical data*
  • Medical Records / statistics & numerical data
  • Medical Records Department, Hospital / statistics & numerical data*
  • Quality Indicators, Health Care*
  • Reproducibility of Results
  • Sensitivity and Specificity