Your browser doesn't support javascript.
loading
Is diabetes mellitus correctly registered and classified in primary care? A population-based study in Catalonia, Spain / ¿Se registra y clasifica correctamente la diabetes mellitus en atención primaria? Estudio poblacional en Cataluña, España
Mata Cases, Manel; Mauricio, Dídac; Real, Jordi; Bolíbar, Bonaventura; Franch-Nadal, Josep.
Afiliación
  • Mata Cases, Manel; Institut Universitari d’Investigació en Atenció Primària Jordi Gol (IDIAP Jordi Gol). Barcelona. Spain
  • Mauricio, Dídac; Instituto de Salud Carlos III (ISCIII). Madrid. Spain
  • Real, Jordi; Universitat Internacional de Catalunya. Sant Cugat. Spain
  • Bolíbar, Bonaventura; Institut Universitari d’Investigació en Atenció Primària Jordi Gol (IDIAP Jordi Gol). Barcelona. Spain
  • Franch-Nadal, Josep; Institut Català de la Salut. Barcelona. Spain
Endocrinol. nutr. (Ed. impr.) ; 63(9): 440-448, nov. 2016. graf, tab
Artículo en Inglés | IBECS | ID: ibc-156945
Biblioteca responsable: ES1.1
Ubicación: BNCS
ABSTRACT

Objective:

To assess the prevalence of miscoding, misclassification, misdiagnosis and under-registration of diabetes mellitus (DM) in primary health care in Catalonia (Spain), and to explore use of automated algorithms to identify them.

Methods:

In this cross-sectional, retrospective study using an anonymized electronic general practice database, data were collected from patients or users with a diabetes-related code or from patients with no DM or prediabetes code but treated with antidiabetic drugs (unregistered DM). Decision algorithms were designed to classify the true diagnosis of type 1 DM (T1DM), type 2 DM (T2DM), and undetermined DM (UDM), and to classify unregistered DM patients treated with antidiabetic drugs.

Results:

Data were collected from a total of 376,278 subjects with a DM ICD-10 code, and from 8707 patients with no DM or prediabetes code but treated with antidiabetic drugs. After application of the algorithms, 13.9% of patients with T1DM were identified as misclassified, and were probably T2DM; 80.9% of patients with UDM were reclassified as T2DM, and 19.1% of them were misdiagnosed as DM when they probably had prediabetes. The overall prevalence of miscoding (multiple codes or UDM) was 2.2%. Finally, 55.2% of subjects with unregistered DM were classified as prediabetes, 35.7% as T2DM, 8.5% as UDM treated with insulin, and 0.6% as T1DM.

Conclusions:

The prevalence of inappropriate codification or classification and under-registration of DM is relevant in primary care. Implementation of algorithms could automatically flag cases that need review and would substantially decrease the risk of inappropriate registration or coding (AU)
RESUMEN

Objetivo:

Evaluar la prevalencia de errores en la codificación, clasificación, diagnóstico e infrarregistro de la diabetes mellitus (DM) en asistencia primaria en Cataluña y explorar el uso de algoritmos automáticos para identificarlos.

Métodos:

En este estudio transversal, retrospectivo utilizando una base electrónica de datos anonimizados se extrajeron los datos de pacientes con algún código de diabetes o de pacientes sin código de DM o prediabetes pero tratados con antidiabéticos (DM no registrada). Se diseñaron algoritmos de decisión para clasificar el verdadero diagnóstico de diabetes tipo 1 (DM1), diabetes tipo 2 (DM2) y diabetes indeterminada (DMI), y para clasificar a los pacientes con DM no registrada tratados con antidiabéticos.

Resultados:

Se obtuvieron datos de un total de 376.278 sujetos con algún código ICD-10 de DM y de 8.707 pacientes sin código de DM o prediabetes tratados. Tras la aplicación de los algoritmos, un 13,9% de pacientes con DM1 se reclasificaron como DM2; un 80,9% de pacientes con DMI se reclasificaron como DM2 y un 19,1%, como prediabetes. La prevalencia global de errores de codificación (códigos múltiples o DMI) fue del 2,2%. Finalmente, el 55,2% de los sujetos con DM no registrada fueron clasificados como prediabetes, el 35,7% como DM2, el 8,5% como DMI tratada con insulina y el 0,6% como DM1.

Conclusiones:

La prevalencia de DM inadecuadamente codificada, clasificada o infrarregistrada en asistencia primaria es relevante. La aplicación de algoritmos podría etiquetar automáticamente los casos que necesitan revisión y reducir considerablemente el riesgo de codificaciones erróneas (AU)
Asunto(s)

Texto completo: Disponible Colección: Bases de datos nacionales / España Base de datos: IBECS Asunto principal: Registros de Enfermedades / Diabetes Mellitus Tipo de estudio: Estudio observacional / Estudio de prevalencia / Factores de riesgo Límite: Humanos Idioma: Inglés Revista: Endocrinol. nutr. (Ed. impr.) Año: 2016 Tipo del documento: Artículo Institución/País de afiliación: Institut Català de la Salut/Spain / Institut Universitari d’Investigació en Atenció Primària Jordi Gol (IDIAP Jordi Gol)/Spain / Instituto de Salud Carlos III (ISCIII)/Spain / Universitat Internacional de Catalunya/Spain

Texto completo: Disponible Colección: Bases de datos nacionales / España Base de datos: IBECS Asunto principal: Registros de Enfermedades / Diabetes Mellitus Tipo de estudio: Estudio observacional / Estudio de prevalencia / Factores de riesgo Límite: Humanos Idioma: Inglés Revista: Endocrinol. nutr. (Ed. impr.) Año: 2016 Tipo del documento: Artículo Institución/País de afiliación: Institut Català de la Salut/Spain / Institut Universitari d’Investigació en Atenció Primària Jordi Gol (IDIAP Jordi Gol)/Spain / Instituto de Salud Carlos III (ISCIII)/Spain / Universitat Internacional de Catalunya/Spain
...