现型算法的性能用于识别暴露于阿片类药物的婴儿

科学领域:

• 围产期健康 围产期健康
• 在医疗保健中的数据科学.
• 新生儿研究新生儿研究

背景情况:

• 对暴露于阿片类药物的婴儿的观察性研究受到算法的挑战,这些算法可能会低估没有新生儿阿片类药物戒断综合征 (NOWS) 的婴儿.
• 准确识别暴露于阿片类药物的婴儿对于了解他们的健康结果至关重要.
• 电子健康记录 (EHR) 为识别这些婴儿提供了潜在的数据来源.

研究的目的:

• 开发和验证用于识别使用EHR数据暴露在阿片类药物中的婴儿的表型算法.
• 提高识别暴露于阿片类药物的婴儿的准确性,特别是那些没有NOWS的婴儿.
• 为研究暴露于阿片类药物的婴儿的结果提供可靠的工具.

主要方法:

• 现型算法是使用婴儿和出生人记录 (2010-2022) 的六个指标的组合来开发的.
• 这些指标包括与阿片类药物暴露相关的诊断,毒理学结果和药物记录.
• 积极的预测值 (PPV) 用医疗记录审查作为黄金标准来确定.

主要成果:

• 在41,047个二中,3.80%有阿片类药物暴露的证据;0.08%满足所有六个指标.
• 使用单个指标的表型算法实现了PPV的95.4% (CI: 93.3-96.8).
• 结合多个指标的算法显示PPV高,从95.4%到100.0%.

结论:

• 暴露于阿片类药物的婴儿可以通过EHR数据分析来准确识别.
• 开发的表型算法经过验证,并公开提供.
• 这些算法可以促进对暴露于阿片类药物的婴儿的研究,无论是否有NOWS.