算法方法用于查找患有多发性硬化症的人,使用威尔士的常规医疗保健数据
Richard Nicholas1, Emma Clare Tallantyre2, James Witts3
1Division of Neuroscience, Department of Brain Sciences, Imperial College London, London, UK.
Journal of neurology, neurosurgery, and psychiatry
|May 23, 2024
概括
一个新的算法可靠地识别医疗保健数据中的多发性硬化症 (MS) 病例. 这种方法为流行病学研究提供了高准确度,改善了疾病监测和对MS患病率的了解.
科学领域:
- 流行病学 流行病学
- 医疗信息学 医疗信息学
- 神经学 神经学
背景情况:
- 在日常医疗保健数据中识别多发性硬化症 (MS) 病例是具有挑战性的,因为复杂的诊断和不常见的初级医院入院.
- 数据的局限性,例如缺乏药物治疗或非报告疾病信息,进一步使得MS病例的确诊更加复杂.
- 现有的方法与延长的诊断过程和多发性硬化症的各种临床表现作斗争.
研究的目的:
- 在国家健康数据库中开发和验证一种新的算法,可靠地识别多发性硬化症 (MS) 病例.
- 在大型健康数据集中提高多发性硬化病例检测的准确性.
- 为多发性硬化症的流行病学研究提供一个强大的工具.
主要方法:
- 对安全匿名信息连接 (SAIL) 数据库进行了回顾性分析.
- 开发了一种新的算法来识别多发性硬化病例.
- 算法性能使用两个独立数据集进行了评估:临床验证的,基于人口的MS队列和自我注册的国家MS注册表.
主要成果:
- 该算法在2020年12月31日之前从4,757,428个记录中确定了威尔士6194个活着的MS病例,产生每10万人的221.65个患病率.
- 当与基于人口的队列进行验证时,获得了高病例发现灵敏度 (96.8%) 和特异性 (99.9%).
- 使用自声明的国家注册表数据证明了96.7%的灵敏度.
结论:
- 开发的算法成功地识别了SAIL数据库中的多发性硬化症 (MS) 病例,并且具有很高的准确性.
- 对两个独立的MS群体的验证证实了算法的可靠性和实用性.
- 这种算法是多发性硬化症大规模流行病学研究的宝贵工具.
