使用电子健康记录数据来识别与医院相关的Clostridioides difficile感染:一个验证研究

科学领域:

• 医疗信息学 医疗信息学
• 传染病流行病学 传染病流行病学
• 临床研究方法论 临床研究方法论

背景情况:

• 准确识别与医院相关的Clostridioides difficile感染 (HA-CDI) 对疾病负担的临床研究至关重要.
• 仅仅依赖诊断代码可能导致HA-CDI病例的错误分类.
• 电子健康记录 (EHR) 数据为改善病例识别提供了潜在的资源.

研究的目的:

• 开发和验证一个多组件算法,用于识别使用EHR数据的医院相关CDI (HA-CDI) 病例.
• 与传统方法相比,评估算法的诊断性能.

主要方法:

• 在一个学术医院对成年住院患者进行了一项验证研究.
• 测试了一种多组件算法,需要接受抗生素治疗 (甲尼达,万科米辛或菲达克索米辛),并进行阳性C. difficile测试或非复发性CDI的ICD-10代码.
• 手动EHR审查算法识别的病例和非病例建立了验证的黄金标准.

主要成果:

• 该算法在识别HA-CDI病例时实现了94%的准确性.
• 灵敏度为100%,特异性为89%,正预测值为88%,负预测值为100%.
• 要求阳性C. difficile实验室测试进一步提高了性能,达到97%的准确性和93%的PPV.

结论:

• 多组件算法有效地从EHR数据中识别HA-CDI病例.
• 这种算法方法优于HA-CDI检测的个别诊断组件.
• 使用EHR数据准确地识别HA-CDI病例对监测和临床研究有重大影响.