Sensitivity and specificity of International Classification of Diseases algorithms (ICD-9 and ICD-10) used to identify opioid-related overdose cases: A systematic review and an example of estimation using Bayesian latent class models in the absence of gold standards.

ABSTRACT

OBJECTIVES: This study aimed to summarize validity estimates of International Classification of Diseases (ICD) codes in identifying opioid overdose (OOD) among patient data from emergency rooms, emergency medical services, inpatient, outpatient, administrative, medical claims, and mortality, and estimate the sensitivity and specificity of the algorithms in the absence of a perfect reference standard. METHODS: We systematically reviewed studies published before December 8, 2023, and identified with Medline and Embase. Studies reporting sufficient details to recreate a 2 × 2 table comparing the ICD algorithms to a reference standard in diagnosing OOD-related events were included. We used Bayesian latent class models (BLCM) to estimate the posterior sensitivity and specificity distributions of five ICD-10 algorithms and of the imperfect coroner's report review (CRR) in detecting prescription opioid-related deaths (POD) using one included study. RESULTS: Of a total of 1990 studies reviewed, three were included. The reported sensitivity estimates of ICD algorithms for OOD were low (range from 25.0% to 56.8%) for ICD-9 in diagnosing non-fatal OOD-related events and moderate (72% to 89%) for ICD-10 in diagnosing POD. The last included study used ICD-9 for non-fatal and fatal and ICD-10 for fatal OOD-related events and showed high sensitivity (i.e. above 97%). The specificity estimates of ICD algorithms were good to excellent in the three included studies. The misclassification-adjusted ICD-10 algorithm sensitivity estimates for POD from BLCM were consistently higher than reported sensitivity estimates that assumed CRR was perfect. CONCLUSION: Evidence on the performance of ICD algorithms in detecting OOD events is scarce, and the absence of bias correction for imperfect tests leads to an underestimation of the sensitivity of ICD code estimates.

RéSUMé OBJECTIFS Cette étude avait pour objectifs de recenser les estimations de la validité des codes de Classification Internationale des Maladies (CIM) à diagnostiquer les cas de surdose aux opioïdes (SDO) chez des patients en utilisant les données de salles d'urgence, services médicaux d'urgence, hospitalisations, soins ambulatoires, services administratifs, demandes de remboursement de frais médicaux, ainsi que de mortalité, et d'estimer la sensibilité et la spécificité d'algorithmes utilisant la CIM en l'absence d'un test de référence parfait. MéTHODES Nous avons examiné systématiquement les études publiées avant le 8 décembre 2023, et identifiées dans Medline et Embase. Les études rapportant suffisamment de détails permettant de recréer un tableau 2 × 2 comparant les algorithmes de la CIM à un test de référence pour le diagnostic d'événements liés aux SDO ont été incluses. Les données d'une étude éligible ont été utilisées pour estimer, avec des modèles Bayésiens de classes latentes (MBCL), les distributions a posteriori de la sensibilité et de la spécificité de cinq algorithmes de la CIM-10 et du test imparfait de révision du rapport du coroner (RRC) dans la détection des décès liés aux opioïdes de prescription (DOP). RéSULTATS Trois parmi les 1 990 études examinées ont été retenues. Les estimations rapportées de la sensibilité des codes CIM étaient faibles (variant de 25,0 % à 56,8 %) pour CIM-9 dans le diagnostic des événements liés aux SDO non-fatales dans une étude, et modérées (72 % à 89 %) pour CIM-10 dans le diagnostic des DOP dans une autre étude. La dernière étude incluse combinait des codes CIM-9 pour les cas non-fatals et fatals et CIM-10 pour les cas fatals et démontrait des estimations de sensibilité élevées (c.à.d. supérieures à 97 %). Les estimations de la spécificité étaient bonnes à excellentes dans les trois études. Les estimations de la sensibilité des algorithmes de la CIM-10 corrigées pour les erreurs de classification pour les décès liés aux opioïdes, obtenues à partir de nos MBCL, étaient systématiquement plus élevées que celles rapportées et qui supposaient que RRC était un test parfait. CONCLUSION: Les évidences sur la performance des algorithmes de la CIM dans la détection des cas de SDO sont rares, et l'absence de correction de biais pour des tests diagnostiques imparfaits conduit à une sous-estimation de la sensibilité des codes de la CIM.