リンクされた電子医療記録を用いた請求データにおける測定されていない混乱要因の評価: 原則証明分析

科学分野:

• 現実世界の証拠調査研究.
• ファルマコエピデミオロギー学
• 健康情報科学とは

背景:

• クレームのデータ分析は,残留および未測定の混同に敏感です.
• ラボ検査結果や医師のメモなど,クレームに十分に取り込まれていない要素は,電子医療記録 (EHR) で利用できる場合が多い.
• 堅牢なリンクされたEHR-claimsデータインフラストラクチャは,先進的な薬物安全監視に不可欠です.

研究 の 目的:

• クレームで十分に捉えられていないが,EHRで測定可能な混乱要因を評価するためのプロセスを実証します.
• 薬物安全監視における混同を軽減するためのEHRデータの可能性を評価する.
• リンクされたクレーム-EHRデータを用いて,血管腫の危険因子のバランスを評価する.

主な方法:

• FDAのセンチネル・イニシアチブのマッサージ・ジェネラル・ブリガム・サイトからのリンクされたクレーム-EHRデータを利用した.
• 以前にクレームベースのクエリで使用されたコホートを抽出し,サクビトリル-バルサタンイニシアターとACE阻害剤またはARBを比較しました.
• EHRデータを用いて血管腫の危険因子を特徴付け,クレームベースのプロキシと比較した.

主要な成果:

• クレームベースのプロキーは,EHRデータでのみ測定可能なほとんどのリスク要因を効果的にバランスとしました.
• この研究は,EHRデータを混同に対処するために使用するための原理の証明として機能しました.
• 定量バイアス分析は,主要なリスク要因のバランスが取れたため,不要と判断されました.

結論:

• リンクされたEHR-クレームデータは,混同に対処することによって,薬物安全性の監視を強化することができます.
• このアプローチは,残留混同評価のための他の感度分析と並行して使用することができます.
• 強力なリンクされたデータインフラストラクチャは,医薬品監視のルーチン適用に不可欠です.