用行政数据识别住院下呼吸道感染的最佳实践:对验证研究的系统文献综述

科学领域:

• 流行病学 流行病学
• 医疗信息学 医疗信息学

背景情况:

• 估计下呼吸道感染 (LRTI) 的负担依赖于行政数据库和国际疾病分类 (ICD) 代码.
• 目前缺乏基于ICD的LRTI发病率估计的标准化方法.

研究的目的:

• 为基于ICD的算法定义最佳实践,以准确估计成人LRTI发病率.
• 系统地审查用于住院LRTIs的ICD代码基于算法的验证研究.

主要方法:

• 按照PRISMA指南对Medline,EMBASE和LILACS数据库进行系统审查 (1996年1月至2022年1月).
• 对成人住院LRTIs的各种ICD代码基于算法的灵敏度,特异性和准确度的评估.
• 包括26个出版物与不同的算法和黄金标准标准标准.

主要成果:

• 大多数基于ICD代码的算法在检测LRTIs方面具有高特异性 (>90%),但敏感性低 (<80%).
• 仅使用初级肺炎代码的算法具有>90%的特异性,但55-72%的灵敏度.
• 添加二次性肺炎代码,LRTI相关的感染代码或其他呼吸道疾病代码,提高了灵敏度,特异性损失最小.

结论:

• 目前基于ICD代码的算法是特定的,但错过了大量的成人住院LRTI病例.
• 估计LRTI发病率的最佳实践包括对任何LRTI结果使用所有肺炎ICD代码.
• 结合相关感染或呼吸道疾病的代码可以进一步提高准确性.