Waarom vrije-tekst notities bij dierenartsen geautomatiseerde codering breken

Vrije-tekst consultrapporten vormen de ruggengraat van veterinaire klinische verslaglegging, maar ze zijn geschreven voor klinische redenering, niet voor data-extractie. Wanneer een dierenarts schrijft: "Ik vermoed dat we hier te maken hebben met otitis in een vroeg stadium," communiceert hij diagnostische onzekerheid naar een collega. Wanneer een geautomatiseerd coderingssysteem dezelfde zin leest, kan het de diagnose volledig missen, verkeerd classificeren of een code toewijzen met een betrouwbaarheidsniveau dat de zorgverlener nooit heeft bedoeld. Deze kloof tussen hoe dierenartsen schrijven en hoe coderingssystemen lezen, is een van de belangrijkste redenen waarom klinische codering in de diergeneeskundige praktijk onbetrouwbaar blijft en waarom de daarop gebaseerde data zo vaak onvolledig zijn.

Wat klinische codering in de diergeneeskundige praktijk daadwerkelijk vereist

Klinische codering is het proces waarbij de belangrijkste informatie uit een klinisch verslag wordt omgezet in gestandaardiseerde, gestructureerde gegevens met behulp van een gecontroleerde terminologie. In de diergeneeskunde zijn de meest gebruikte raamwerken VeNom (de Veterinary Nomenclature) en SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms). Het doel is om een consultverslag, geschreven in natuurlijke taal, om te zetten in discrete, eenduidige concepten: een diagnose, een diersoort, een lichaamssysteem, een procedure.

Coderingssystemen, of ze nu handmatig worden bediend of werken op basis van natural language processing (NLP, een tak van kunstmatige intelligentie die menselijke taal interpreteert), doorzoeken verslagen op specifieke signalen. Ze moeten een codeerbaar eindpunt identificeren – een bevestigde of vermoede aandoening – en deze koppelen aan een term binnen de gecontroleerde terminologie. Wat ze niet betrouwbaar kunnen doen, is klinische betekenis afleiden uit narratieve context, vage terminologie oplossen of onderscheid maken tussen een actueel probleem en een historisch probleem dat terloops wordt genoemd.

Zoals onderzoek gepubliceerd in npj Digital Medicine opmerkte, verschillen veterinaire verslagen aanzienlijk in schrijfstijl en woordgebruik tussen klinieken. Hun diagnosecodes gebruiken een terminologisch raamwerk dat afwijkt van de humane geneeskunde. In tegenstelling tot de menselijke gezondheidszorg, waar een robuuste coderingsinfrastructuur is ingebed in klinische systemen, zijn de meeste veterinaire verslagen vrije tekst zonder standaard diagnosecodering. Het ontbreken van die infrastructuur betekent dat het volledige gewicht van codeerbaarheid op het verslag zelf rust. Voor meer informatie over hoe klinische codering in de diergeneeskundige praktijk verschilt van de menselijke geneeskunde, zie ons speciale overzicht.

De specifieke narratieve patronen die geautomatiseerde codering verstoren

Verschillende specifieke vrije-tekstgewoonten veroorzaken consequent coderingfouten of weglatingen. Dit zijn geen willekeurige fouten, maar voorspelbare gevolgen van het schrijven van verslagen voor klinische communicatie in plaats van voor gestructureerde data-extractie.

Ingebedde diagnoses in verzachtende taal. Wanneer een dierenarts schrijft: "Ik vermoed dat we hier te maken hebben met otitis in een vroeg stadium," is de diagnose aanwezig maar verscholen in epistemische verzachting. Geautomatiseerde tools missen of classificeren diagnoses die op deze manier worden uitgedrukt vaak verkeerd. Het coderingssysteem kan niet betrouwbaar bepalen of dit een vermoede aandoening is die een code rechtvaardigt, of een speculatieve opmerking die dat niet doet.

Afkortingen en praktijkspecifieke stenografie. Termen als "bilat. oor", "PU/PD query Cushing's" of "?IBD" zijn direct leesbaar voor een collega in dezelfde praktijk, maar worden inconsistent geïnterpreteerd door coderingssystemen. Onderzoek naar NLP voor veterinaire verslagen heeft vastgesteld dat niet-gestandaardiseerde terminologie een van de meest hardnekkige barrières is voor betrouwbare geautomatiseerde extractie, vooral bij het koppelen van voorschrijfgegevens en klinische beschrijvingen aan specifieke aandoeningen op grote schaal.

Differentiaaldiagnoses geregistreerd als conclusies. Wanneer een dierenarts uit te sluiten diagnoses opsomt – "DDx: hypothyreoïdie, Cushing's, diabetes" – zonder een bevestigde werkdiagnose te vermelden, blijven coderingstools zonder een codeerbaar eindpunt achter. De differentiaaldiagnoses kunnen klinisch passend zijn, maar ze geven het systeem niets om een code aan te koppelen.

Procedures narratief beschreven. "Snel naar de huid gekeken en het gebied geschoren" komt niet naar voren als een discrete procedurecode. Procedurele handelingen die zijn ingebed in beschrijvend proza worden routinematig gemist door geautomatiseerde systemen die zoeken naar herkenbare proceduresignalen in plaats van narratieve verslagen van wat er tijdens het consult is gebeurd.

Aannames over soort en ras. Wanneer patiëntsignalement (soort, ras, leeftijd, geslacht) niet wordt herhaald of vermeld in de hoofdtekst van het verslag, kunnen geautomatiseerde tools codes toepassen die zijn bedoeld voor een andere soort. Als het coderingssysteem een verslag los van het patiëntendossier leest, kan het ontbreken van soortcontext resulteren in verkeerd toegepaste of vage codes.

Ontkenning en historische context vermengd met actieve bevindingen. "Geen braken, hoewel de eigenaar meldt dat dit vorig jaar een probleem was" is een gebruikelijke en klinisch zinvolle constructie, maar kan tot fout-positieve codering van braken als huidige aandoening leiden. Vroeg onderzoek naar zoekprestaties in vrije tekst in veterinaire verslagen stelde vast dat de zoekgevoeligheid voor diagnoses in ongestructureerde verslagen varieerde van 33 tot 98 procent, en de positief voorspellende waarde van 2 tot 74 procent, afhankelijk van de aandoening en de gebruikte zoekstrategie. Een bereik dat zo breed is, maakt geaggregeerde gegevens onbetrouwbaar zonder aanzienlijke handmatige beoordeling. Omgaan met ontkenning blijft een van de technisch lastigste problemen in klinische NLP.

Waarom verzachtende taal bijzonder problematisch is voor coderingsnauwkeurigheid

Klinische onzekerheid is geen documentatiefout. Het is een legitiem en belangrijk onderdeel van veterinaire redenering. Het probleem is dat de taal die wordt gebruikt om onzekerheid uit te drukken in vrije-tekstverslagen een onderscheid laat verdwijnen dat coderingssystemen moeten behouden.

Er is een wezenlijk verschil tussen:

• Een aandoening die wordt vermoed en een "vermoed" of "query" code moet genereren

• Een aandoening die actief wordt uitgesloten en helemaal niet gecodeerd moet worden

• Een aandoening die alleen als historische context wordt genoemd

In vrije-tekstproza kunnen alle drie in bijna identieke constructies voorkomen. "Query Cushing's", "Cushing's uitsluiten" en "eigenaar vermeldde dat Cushing's door een eerdere dierenarts werd genoemd" kunnen er voor een NLP-model oppervlakkig vergelijkbaar uitzien, maar ze hebben volledig verschillende coderingsimplicaties. Onderzoek naar geautomatiseerde coderingsnauwkeurigheid heeft aangetoond dat nauwkeurigheidspercentages kunnen dalen tot 60 procent bij uitdagende vrije-tekstcodeertaken, deels omdat verzachting, ontkenning en contextuele ambiguïteit computationeel moeilijk op te lossen blijven.

Het onderliggende probleem is dat dierenartsen zijn getraind om hun redeneerproces, inclusief onzekerheid, in narratieve vorm te documenteren. Coderingssystemen zijn ontworpen om conclusies te extraheren. Wanneer het verslag redenering bevat in plaats van conclusies, heeft het systeem beperkt materiaal om mee te werken.

Hoe weglatingen vaak schadelijker zijn dan fouten

Een verkeerd gecodeerd verslag is een probleem, maar een weggelaten verslag is onzichtbaar. Wanneer een aandoening of procedure helemaal niet wordt vastgelegd, is er geen signaal, geen anomalie en geen aanleiding voor beoordeling. De afwezigheid wordt simpelweg onderdeel van de data.

Deze onzichtbaarheid heeft concrete gevolgen:

• Hiaten in volksgezondheidsgegevens. Text-mining-onderzoek naar surveillance van enterisch syndroom bij gezelschapsdieren toonde aan dat ongestructureerde verslagen aanzienlijke computationele inspanning vereisen om zelfs basale aantallen gevallen te extraheren. Zonder systematische codering is de vaststelling van gevallen voor prevalentie- en incidentiestudies fundamenteel onbetrouwbaar.

• Gemiste herinneringstriggers. In praktijkmanagementsystemen zijn geautomatiseerde waarschuwingen voor follow-up, vaccinatie of herhaalde afgifte vaak afhankelijk van gecodeerde verslagen. Gecodeerde verslagen ondersteunen geautomatiseerde waarschuwingen die vrije-tekstverslagen niet betrouwbaar kunnen activeren.

• Onnauwkeurige praktijkrapportage. Klinische audit in de diergeneeskundige praktijk is retrospectief moeilijk gebleken door barrières bij het vaststellen van diagnoses uit klinische verslagen. Het ontbreken van consistente codering werd geïdentificeerd als een primair obstakel.

• Vervormde ziektesurveillance. Nationale surveillanceprogramma's zoals SAVSNET (Small Animal Veterinary Surveillance Network) en VetCompass zijn afhankelijk van de kwaliteit van gegevens die uit individuele praktijken komen. Wanneer aandoeningen niet worden gecodeerd, lijken ziektepatronen minder prevalent dan ze zijn – een vertekening met gevolgen voor rapportage over antimicrobieel beleid en monitoring van opkomende ziekten.

Een studie die gradient boosted-modellen gebruikte voor gevalsbepaling uit vrije-tekst veterinaire verslagen ontdekte dat NLP-tools hoge nauwkeurigheid konden bereiken voor specifieke, goed gedefinieerde aandoeningen, maar alleen na uitgebreide gegevensopschoning, aangepaste veterinaire spellingcontrole en training op handmatig geannoteerde verslagen. De computationele inspanning die nodig is om te compenseren voor ongestructureerde verslagen is aanzienlijk.

De structurele verslagwijzigingen die verslagen betrouwbaarder codeerbaar maken

De aanpassingen die de codeerbaarheid verbeteren, vereisen geen fundamentele verandering in hoe dierenartsen denken of redeneren. Ze vragen om kleine, consistente veranderingen in hoe klinische conclusies worden gepresenteerd in het geschreven verslag. De meeste kunnen worden doorgevoerd zonder dat dit veel extra tijd kost tijdens een consult.

Vermeld een werkdiagnose expliciet. Zelfs bij onzekerheid geeft een vaste formulering zoals "Werkdiagnose: otitis externa" het coderingssysteem een eenduidig signaal. De onzekerheid kan nog steeds in de narratieve hoofdtekst worden gedocumenteerd, maar het codeerbare eindpunt moet zichtbaar zijn.

Scheid actieve bevindingen van historische context en uitgesloten differentialen. Een eenvoudig structureel onderscheid – bijvoorbeeld het apart groeperen van actieve problemen van "geschiedenis" of "achtergrond" – vermindert het risico dat historische aandoeningen als actueel worden gecodeerd. Uitgesloten differentialen moeten als zodanig worden gelabeld in plaats van naast de werkdiagnose te worden vermeld.

Gebruik consistente terminologie voor veelvoorkomende aandoeningen. Afwisselen tussen "oorinfectie", "otitis", "bilateraal oor" en "aurale ontsteking" over verschillende consulten creëert inconsistentie die zich in de loop van de tijd opstapelt in praktijkgegevens. Het kiezen van een voorkeursterm voor veelvoorkomende aandoeningen, zelfs informeel, verbetert zowel handmatige als geautomatiseerde coderingsbetrouwbaarheid.

Registreer procedures als discrete handelingen. "Cytologie uitgevoerd (ooruitstrijkje, rechteroor)" is codeerbaar. "Even gekeken en een uitstrijkje genomen terwijl de eigenaar hem vasthield" is dat niet. Het onderscheid gaat niet over formaliteit, maar over het geven van een herkenbaar proceduresignaal in het verslag.

Neem soortspecifieke context op wanneer het verslag onafhankelijk kan worden gelezen. Dit is vooral relevant voor praktijken die systemen gebruiken waarbij verslagen kunnen worden geëxporteerd, gedeeld of verwerkt buiten het patiëntendossier – bijvoorbeeld in verwijzingssamenvattingen of surveillancedatasets.

Waar gestructureerde templates en AI-assistenten kunnen helpen, en waar niet

Voor een breder overzicht van AI-documentatietools voor dierenartsen en wat te evalueren voordat u ze adopteert, zie onze speciale gids. Gestructureerde templates pakken het codeerbaarheidsprobleem direct aan door open narratieve velden te vervangen door discrete, verplichte velden: soort, presenterende klacht, werkdiagnose, uitgevoerde procedures. Onderzoek heeft aangetoond dat grote taalmodellen, getraind op grote hoeveelheden gecureerde, handmatig gecodeerde gegevens, betekenisvolle verbeteringen in geautomatiseerde diagnosecodering kunnen bereiken. Maar de kwaliteit van de onderliggende trainingsgegevens en de kwaliteit van de binnenkomende verslagen blijven het plafond voor prestaties.

AI-medische assistenten die gestructureerde notities genereren uit consultaudio kunnen de last van handmatig verslagschrijven verminderen en consistentie verbeteren, maar ze worden geconfronteerd met dezelfde ambiguïteiten als handmatige codeerders. Als een dierenarts een diagnose verbaal uitdrukt met verzachtende taal, zal de assistent die verzachting transcriberen. Als een procedure narratief wordt beschreven in plaats van benoemd, kan de assistent deze niet als een discrete codeerbare handeling naar voren brengen.

Templates beperken ondertussen de narratieve vrijheid en kunnen belastend aanvoelen in drukke klinische omgevingen. Onderzoek naar veterinaire NLP wijst consequent op schrijfstijlvariatie tussen klinieken als een grote uitdaging voor modelgeneralisatie. Dit betekent dat zelfs goed getrainde geautomatiseerde systemen verschillend kunnen presteren tussen praktijken, afhankelijk van hoe consequent templates worden gebruikt. Geen van beide tools lost het probleem volledig op. Beide worden beperkt door de kwaliteit van het verslag waarmee ze werken.

Hoe betrouwbare codering er in de praktijk uitziet

Het volgende voorbeeld illustreert hetzelfde klinische consult op twee manieren geschreven. De klinische inhoud is identiek, de codeerbaarheid niet.

Typische vrije-tekstversie:

"Bella kwam binnen met haar eigenaar die zich zorgen maakte over haar oren. Ze heeft veel gekrabd en met haar kop geschud. Bij onderzoek zag het rechteroor er behoorlijk ontstoken uit en er was wat donkere afscheiding (zou gist kunnen zijn, zou bacterieel kunnen zijn, moeilijk te zeggen in dit stadium). Linkeroor zag er goed uit. Rechteroor schoongemaakt en een uitstrijkje genomen. Haar voorlopig op Surolan gezet en we zullen zien hoe het gaat. Eigenaar komt over twee weken terug als het niet verbetert."

Uit dit verslag wordt een geautomatiseerd coderingssysteem geconfronteerd met verschillende uitdagingen: de diagnose wordt geïmpliceerd maar niet vermeld, de procedure ("rechteroor schoongemaakt en een uitstrijkje genomen") is ingebed in het verhaal, de lateraliteit is aanwezig maar niet gestructureerd, en de behandelingsrationale wordt uitgedrukt als onzekerheid in plaats van als klinische beslissing.

Structureel aangepaste versie:

"Presenterende klacht: kop schudden en pruritus, rechteroor.
Actieve bevindingen: rechter otitis externa (erytheem, donkere cerumineuze afscheiding). Linkeroor NAD.
Werkdiagnose: rechter otitis externa, waarschijnlijk gist (Malassezia), bacteriële component niet uitgesloten.
Procedures: rechteroor cytologie (uitstrijkje genomen), rechteroor spoeling uitgevoerd.
Behandeling: Surolan otic (5 druppels rechteroor BID x 14 dagen).
Follow-up: hercontrole over 2 weken als geen verbetering."

In de tweede versie is de werkdiagnose expliciet en codeerbaar. De procedure is benoemd en gelateraliseerd. De differentiaal wordt erkend zonder als bevestigde diagnose te worden geregistreerd. De behandeling is gekoppeld aan een benoemd product en een discrete handeling. Elk element dat het coderingssysteem nodig heeft, is aanwezig en eenduidig, zonder enig verlies van klinische informatie.

Waarom dit verder reikt dan het individuele consult

De kwaliteit van een individueel consultverslag heeft gevolgen die veel verder reiken dan het consult zelf. Op praktijkniveau betekent onbetrouwbare codering dat rapportage over caseload, ziekteprevalentie en behandelresultaten is gebaseerd op onvolledige gegevens. Op nationaal niveau zijn ziektesurveillanceprogramma's die gebruikmaken van veterinaire klinische verslagen, inclusief monitoring van antimicrobieel beleid en tracking van zoönotische ziekten, slechts zo nauwkeurig als de verslagen die erin worden ingevoerd.

Epidemiologisch onderzoek met vrije-tekst paardengeneeskundige verslagen heeft zowel het potentieel als de beperkingen van deze gegevensbron aangetoond: text mining kan betekenisvolle risicofactorassociaties aan het licht brengen, maar de auteurs merken op dat de benadering "een conceptuele verandering in ziektediagnose vereist die zorgvuldig moet worden overwogen." Die conceptuele verandering begint bij hoe individuele dierenartsen hun verslagen schrijven.

De levensvatbaarheid op lange termijn van AI-ondersteunde klinische beslissingsondersteuning in de diergeneeskunde hangt ook van deze basis af. Modellen getraind op gecodeerde, gestructureerde veterinaire gegevens kunnen diagnose ondersteunen, geneesmiddelinteracties signaleren en risicogroepen identificeren. Modellen getraind op inconsistent geschreven vrije-tekstverslagen, zonder betrouwbare codering, staan voor aanzienlijke generalisatie-uitdagingen die hun klinisch nut beperken. Betrouwbare codering begint bij betrouwbare verslagen. En betrouwbare verslagen beginnen in de diergeneeskundige praktijk met de keuzes die dierenartsen maken over hoe ze schrijven.

Veelgestelde vragen

▶ Waarom veroorzaken vrije-tekst veterinaire verslagen klinische coderingfouten?

Vrije-tekst consultrapporten zijn geschreven voor klinische communicatie, niet voor data-extractie. Geautomatiseerde coderingssystemen hebben eenduidige, codeerbare eindpunten nodig, maar veterinaire verslagen bevatten vaak verzachtende taal, praktijkspecifieke stenografie en narratieve beschrijvingen van procedures. Deze gewoonten maken het moeilijk voor coderingssystemen om een bevestigde diagnose te identificeren, actieve bevindingen van historische te onderscheiden of discrete procedurecodes naar voren te brengen.

▶ Welke coderingsraamwerken gebruiken diergeneeskundige praktijken?

De meest gebruikte raamwerken in de diergeneeskunde zijn VeNom (de Veterinary Nomenclature) en SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms). Beide zetten klinische verslagen om in gestandaardiseerde, gestructureerde concepten die diagnoses, soorten, lichaamssystemen en procedures omvatten. In tegenstelling tot de menselijke gezondheidszorg zijn de meeste veterinaire verslagen vrije tekst zonder standaard diagnosecodering. Dit legt het volledige gewicht van codeerbaarheid op het verslag zelf.

▶ Welke specifieke schrijfgewoonten verstoren het vaakst geautomatiseerde codering?

Verschillende patronen veroorzaken consequent coderingfouten. Diagnoses die verscholen zitten in verzachtende taal, zoals "Ik vermoed dat we hier te maken hebben met otitis in een vroeg stadium," worden vaak gemist of verkeerd geclassificeerd. Afkortingen en praktijkspecifieke stenografie worden inconsistent geïnterpreteerd door systemen. Differentiaaldiagnoses die worden vermeld zonder een bevestigde werkdiagnose laten coderingstools zonder anker achter. Procedures die narratief worden beschreven in plaats van benoemd als discrete handelingen, worden routinematig weggelaten. Ontkenning en historische context vermengd met actieve bevindingen kunnen ook fout-positieve codes genereren voor aandoeningen die niet actueel zijn.

▶ Hoe beïnvloedt verzachtende taal de coderingsnauwkeurigheid?

Verzachtende taal laat onderscheidingen verdwijnen die coderingssystemen moeten behouden. Een vermoede aandoening, een aandoening die actief wordt uitgesloten en een aandoening die alleen als historische context wordt genoemd, kunnen allemaal in bijna identieke constructies voorkomen in vrije-tekstproza. Onderzoek naar geautomatiseerde coderingsnauwkeurigheid heeft aangetoond dat nauwkeurigheidspercentages kunnen dalen tot 60 procent bij uitdagende vrije-tekstcodeertaken, deels omdat verzachting, ontkenning en contextuele ambiguïteit computationeel moeilijk op te lossen blijven.

▶ Waarom zijn weglatingen uit klinische codering schadelijker dan fouten?

Een verkeerd gecodeerd verslag bestaat tenminste in de data en kan worden gemarkeerd voor beoordeling. Een weggelaten verslag is onzichtbaar. Wanneer een aandoening of procedure helemaal niet wordt vastgelegd, is er geen anomalie en geen aanleiding voor correctie. Deze onzichtbaarheid beïnvloedt volksgezondheidsgegevens, geautomatiseerde herinneringstriggers, rapportage op praktijkniveau en nationale ziektesurveillanceprogramma's zoals SAVSNET en VetCompass. Deze programma's zijn allemaal afhankelijk van gecodeerde verslagen uit individuele praktijken.

▶ Welke praktische veranderingen maken veterinaire verslagen betrouwbaarder codeerbaar?

Kleine, consistente veranderingen in hoe klinische conclusies worden gepresenteerd, kunnen de codeerbaarheid aanzienlijk verbeteren. Het expliciet vermelden van een werkdiagnose, zelfs bij onzekerheid, geeft coderingssystemen een eenduidig signaal. Het scheiden van actieve bevindingen van historische context en uitgesloten differentialen vermindert fout-positieve codering. Het gebruik van consistente terminologie voor veelvoorkomende aandoeningen, het registreren van procedures als discrete benoemde handelingen en het opnemen van soortspecifieke context wanneer verslagen onafhankelijk kunnen worden gelezen, helpen allemaal zonder dat dit veel extra tijd kost tijdens een consult.

▶ Kunnen AI-medische assistenten of gestructureerde templates het coderingsprobleem oplossen?

Beide tools kunnen helpen, maar geen van beide lost het probleem volledig op. Gestructureerde templates vervangen open narratieve velden door discrete verplichte velden, wat de codeerbaarheid direct verbetert. AI-medische assistenten die gestructureerde notities genereren uit consultaudio kunnen consistentie verbeteren, maar ze worden geconfronteerd met dezelfde ambiguïteiten als handmatige codeerders. Als een dierenarts een diagnose verbaal uitdrukt met verzachtende taal, zal de assistent die verzachting transcriberen. De kwaliteit van het verslag blijft het plafond voor coderingsprestaties, ongeacht de tool.

▶ Hoe beïnvloedt onbetrouwbare veterinaire codering ziektesurveillance?

Nationale surveillanceprogramma's die gebruikmaken van veterinaire klinische verslagen, inclusief monitoring van antimicrobieel beleid en tracking van zoönotische ziekten, zijn slechts zo nauwkeurig als de verslagen die erin worden ingevoerd. Wanneer aandoeningen niet worden gecodeerd, lijken ziektepatronen minder prevalent dan ze zijn. Text-mining-onderzoek naar surveillance van enterisch syndroom bij gezelschapsdieren heeft aangetoond dat zonder systematische codering de vaststelling van gevallen voor prevalentie- en incidentiestudies fundamenteel onbetrouwbaar is.

▶ Hoe ziet een betrouwbaar codeerbaar veterinair verslag eruit vergeleken met een typisch vrije-tekstverslag?

De klinische inhoud kan identiek zijn, maar de structuur maakt het verschil. Een typisch vrije-tekstverslag kan een diagnose impliceren, procedures in het verhaal inbedden en behandelingsrationale uitdrukken als onzekerheid. Een structureel aangepast verslag vermeldt de werkdiagnose expliciet, benoemt en lateraliseert procedures als discrete handelingen, labelt differentialen apart van bevestigde bevindingen en koppelt behandeling aan een benoemd product en handeling. Elk element dat het coderingssysteem nodig heeft, is aanwezig en eenduidig, zonder enig verlies van klinische informatie.