ロボット支援手術を特定するにおける保険請求コードの感度

科学分野:

• ヘルスケアインフォマティクス
• 手術成績研究
• 医療サービス研究

背景:

• 保険会社が生成するデータベースは、ロボット支援手術（RAS）のアウトカムを研究する上で極めて重要である。
• これらのデータベースにおける請求コードの一貫性のない使用は、誤分類や研究結果の偏りを引き起こす可能性がある。

研究 の 目的:

• RASを特定する際の保険請求コードの感度を評価すること。
• RASアウトカム研究における誤分類バイアスを評価すること。
• 異なるヘルスケアデータソースを横断する知見の一般化可能性を検討すること。

主な方法:

• RAS特定のための無料テキスト請求データを含む参照定義と比較して、請求のみの定義の後ろ向きコホート研究（2018-2023年）を実施した。
• Premier Healthcare DatabaseとMerative™の2つの米国データセットを使用し、入院および外来設定における7つの一般的な手順を評価した。
• 手術時間、入院期間、開腹手術への移行、手術部位感染症に対する誤分類バイアスを評価した。

主要な成果:

• Premier Healthcare DatabaseにおけるRASの請求のみによる特定感度は0.578であった。
• 入院手術では感度は高かったが、外来手術では（2021年までに）0.5未満と非常に低かった。
• 請求のみの定義では、外来手術の効果推定値にしばしば偏りが生じ、RAS率はデータセット間で異なった。

結論:

• RASを特定する際の保険請求データの感度は、手順、設定、および時間によって異なり、変動が大きい。
• 低い感度は、手術モダリティおよび患者のアウトカムに関する分析の精度に影響を与える、重大な誤分類バイアスにつながる。