评估用于识别医疗保险服务费索赔事件吉兰-巴雷综合征的算法
Samantha R Eiffert1, Brad Wright2, Joshua Nardin3
1Division of Pharmaceutical Outcomes and Policy, University of North Carolina School of Pharmacy, Chapel Hill, NC, USA.
Global epidemiology
|May 15, 2024
概括
研究人员开发并验证了算法,以准确地识别医疗保险索赔数据中的吉兰-巴雷综合征 (GBS) 病例. 这种方法通过使用大型行政数据集来改善罕见病研究.
科学领域:
- 医疗信息学 医疗信息学
- 流行病学 流行病学
- 神经学 神经学
背景情况:
- 像吉兰-巴雷综合征 (GBS) 这样的罕见疾病在大型医疗数据集中对准确识别提出了挑战.
- 索赔数据需要验证的算法来区分真正的疾病病例和潜在的不准确性.
- 开发强大的算法对于利用罕见病研究中的行政数据至关重要.
研究的目的:
- 在医疗保险的服务费索赔中识别最佳的算法来检测发生的吉林巴雷综合征 (GBS) 病例.
- 用图表评论作为验证算法性能的黄金标准.
- 为了比较不同的算法在识别真正的GBS病例中的有效性.
主要方法:
- 一项多中心队列研究利用了2015年至2019年的医疗保险相关电子健康记录 (EHR) 数据.
- 在Medicare索赔和EHR记录中确定了211名GBS诊断代码的患者.
- 测试了算法,并计算了它们的积极预测值 (PPV),并对流行假设进行了调整.
主要成果:
- 在211名确诊的患者中,有40名确诊为真正的GBS病例.
- 算法17 (GBS诊断在初级位置 + 45天内诊断程序的住院病人的索赔) 显示了最高的PPV (81.6%).
- 算法15 (GBS诊断在初级位置的住院病人的说法) 在流行假设 (PPV 79.5%) 中受到青.
结论:
- 通过图表验证的算法,可以在医疗保险索赔数据中准确识别发生的吉林巴雷综合征 (GBS).
- 利用大规模的行政数据为研究罕见疾病提供了相对于自我报告数据的显著优势.
- 这种方法可以作为研究其他罕见神经系统自身免疫性疾病的模型.
