在行政索赔数据库中验证更新的算法,以识别发生非小细胞肺癌的患者
Sandip Pravin Patel1, Rongrong Wang2, Summera Qiheng Zhou3
1University of California, San Diego, CA.
JCO clinical cancer informatics
|March 19, 2024
概括
这项研究使用最新数据更新了肺癌算法,提高了其在行政索赔中识别非小细胞肺癌 (NSCLC) 亚型的准确性. 经过验证的算法在电子健康记录无法使用时有助于研究.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 流行病学 流行病学
背景情况:
- 行政索赔中的真实肺癌数据往往缺乏关键的分期和组织学亚型信息.
- 在索赔数据中准确识别肺癌患者对于流行病学研究和治疗分析至关重要.
研究的目的:
- 更新和验证特纳2017年基于治疗的算法,用于识别发生的非小细胞肺癌 (NSCLC),使用最近的索赔和电子健康记录 (EHR) 数据.
- 评估更新的算法在区分NSCLC亚型和阶段在行政索赔数据库中的性能.
主要方法:
- 使用了Optum的市场清晰度数据 (2014年1月至2020年12月) 中的非识别链接的医疗,药房索赔和EHR数据.
- 评估了特纳算法和更新的版本,包括当前的美国治疗指南.
- 评估了一种算法,以区分早期NSCLC (eNSCLC) 和晚期/转移性 (第四阶段) 疾病.
主要成果:
- 与之前的特纳算法相比,更新的算法显示了提高的灵敏度 (0.920-0.932),特异性 (0.865-0.923),PPV (0.976-0.988) 和NPV (0.640-0.673).
- 区分eNSCLC的算法显示高特异性 (0.874) 但较低的灵敏度 (0.539).
结论:
- 一个基于治疗的更新算法成功地使用EHR数据验证了用于识别事件NSCLC的更新算法.
- 这种经过验证的算法有效地在索赔数据库中区分肺癌亚型,即使没有直接EHR访问.
