验证不同痴呆症基于代码的定义,在一项基于人群的风湿性关节炎研究中
Maria Vassilaki1, Roslin Jose George2, Rakesh Kumar2
1M. Vassilaki, MD, PhD, S.J. Bielinski, PhD, MEd, J. St. Sauver, PhD, Division of Epidemiology, Department of Quantitative Health Sciences, Mayo Clinic; vassilaki.maria@mayo.edu.
The Journal of rheumatology
|July 1, 2024
概括
基于代码的痴呆症诊断算法在风湿性关节炎 (RA) 患者和其他人中表现相似. 这些算法使用电子健康记录 (EHR) 可以帮助识别RA患者的痴呆症.
科学领域:
- 类风湿病学 类风湿病学
- 神经学 神经学
- 医疗信息学 医疗信息学
背景情况:
- 类风湿性关节炎 (RA) 与痴呆症风险增加有关.
- 在RA患者中准确识别痴呆症对于及时干预至关重要.
- 电子健康记录 (EHR) 数据为大规模的痴呆症查提供了潜力.
研究的目的:
- 评估不同基于代码的痴呆症诊断算法的性能.
- 在患有和没有类风湿性关节炎的患者中比较算法性能.
- 评估不同时间窗口对算法准确性的影响.
主要方法:
- 对2050名个人 (1025名RA患者) 进行了回顾性,基于人口的队列研究.
- 3个基于代码的痴呆症算法与医疗记录审查诊断的比较.
- 使用1年,2年和5年的时间窗口围绕痴呆症诊断的灵敏度分析.
主要成果:
- 算法在RA和没有RA的个体中表现相似.
- 通常观察到高特异性,负预测值和准确性 (>88%).
- 灵敏度和积极的预测值因算法和时间窗口而异,随着窗口的缩短而下降.
结论:
- 使用EHR数据的基于代码的痴呆症诊断算法与医疗记录审查相比表现良好.
- 这些算法适用于在追溯数据库中识别RA患者的痴呆症.
- 研究结果支持使用EHR数据在RA群体中进行痴呆症研究.
更多相关视频
07:44Author Spotlight: Implementation of BIVA for Analyzing Disease Risk Factors in Patients with Low Body Cell Mass
Published on: July 14, 2023
1.1K
04:50Preliminary Study on Acupuncture Combined with Grain-sized Moxibustion for Treating Rheumatoid Arthritis with Finger Joint Pain
Published on: May 16, 2025
119
