基于索赔的算法的开发和验证,用于识别2020年和2021年的COVID-19和其严重程度的住院患者

科学领域:

• 医疗信息学 医疗信息学
• 流行病学 流行病学
• 医疗数据分析 医学数据分析

背景情况:

• 准确识别2019年冠状病毒病 (COVID-19) 的住院患者及其严重程度对于公共卫生监测和资源分配至关重要.
• 索赔数据为流行病学研究提供了宝贵的资源,但需要验证的算法来准确确定病例.

研究的目的:

• 开发和验证基于索赔的算法,用于识别COVID-19住院和疾病严重程度.
• 用国际疾病分类,第10次修订 (ICD-10) 代码和医疗程序代码来评估算法的性能.

主要方法:

• 利用了2020年1月1日至2021年12月31日的索赔数据,用于国家全球和医学中心医院的患者.
• 使用ICD-10代码 (U07.1,B34.2) 和程序代码开发了COVID-19住院,中度/高度状态和严重状态的算法.
• 根据COVID-19住院病人的登记和电子健康记录验证的算法,计算灵敏度,特异性,正预测值 (PPV) 和负预测值 (NPV).

主要成果:

• 仅用于COVID-19住院的诊断代码算法显示其有效性较低.
• 结合诊断和程序代码的算法实现了住院的高灵敏度和PPV (例如,2021年1月至6月93.9%的灵敏度,97.1%的PPV).
• 在特定的间隔内观察到中度/高度和重度COVID-19状态的高性能 (例如,在2021年7月至12月中度/高度状态的90.4%灵敏度,87.5%PPV).
• 大多数算法的特异性和NPV接近99%.

结论:

• 结合诊断和程序代码的基于索赔的算法显示出确定COVID-19住院和严重程度的前景.
• 这些算法的性能各不相同,这凸显了时间验证的重要性.
• 仅基于诊断代码的算法对于准确的COVID-19住院识别是不够的.