电子表型算法的外部验证,检测儿童初级保健中对高体重指数的注意力

科学领域:

• 儿科初级护理专业的儿童初级护理
• 肥胖管理 肥胖管理
• 临床信息学是一种临床信息学.

背景情况:

• 评估临床医师对儿童肥胖的关注对于改善护理至关重要.
• 现有的测量临床医生行为方法往往是有限的.
• 电子健康记录 (EHR) 为评估肥胖管理提供了潜在的数据来源.

研究的目的:

• 使用结构化EHR数据检查一个新算法的外部有效性.
• 确定临床医生关注高体重指数 (BMI) 和与体重相关的并发症的表型.
• 评估使用EHR数据来衡量儿科初级保健中肥胖管理的可行性.

主要方法:

• 对300名体重指数升高的儿童 (6-12岁) 提取了结构化EHR数据.
• 一个从以前的工作中改进的算法使用了诊断代码,实验室订单,推和药物.
• 根据对BMI和/或并发症的关注的证据,对遇到的情况进行了分类;图表审查作为参考标准.

主要成果:

• 调整后的算法在检测高BMI/并发症时显示了79.2%的灵敏度和94.0%的特异性.
• 自由文本的临床笔记中包含了83%的遭遇被算法标记为"没有注意"的注意证据.
• 根据BMI类别和临床医生类型 (p < 0.001) 的分类差异很大 (p < 0.001).

结论:

• 电子表型算法在识别结构化EHR数据中的高BMI和并发症方面表现出高度的特异性.
• 从临床笔记中整合非结构化数据可以提高算法的性能.
• 这种方法显示出对儿童初级保健中肥胖管理的客观评估的希望.