Un flujo de diagnósticos puede traer códigos que no son ICD-10-CM en absoluto. Comprueba cada código frente a una lista de referencia con una antiunión:
SELECT d.encounter_id, d.icd10_code
FROM hd_diagnoses_raw d
LEFT JOIN hd_icd10_ref r ON r.icd10_code = d.icd10_code
WHERE r.icd10_code IS NULL;
Luego clasifica lo que encuentres:
- Descuidos de formato: una letra minúscula, un espacio al final.
upper(trim(code)) los hace válidos, así que la carga puede arreglarlos.
- Códigos erróneos: una categoría sin su subcódigo (
I50), caracteres de más, un subcódigo que no existe. Ninguna limpieza puede saber qué quiso decir el codificador; vuelven a codificación.
- Filas cargadas dos veces: repiten todas las columnas. La segunda estancia de un paciente no es una fila duplicada.
- Valores escritos de otra manera:
inpatient, Inpatient, IP. Llévalos a un valor antes de contar.
Códigos aún no válidos tras la limpieza: vuelven a codificación.