开发一种算法,在索赔数据库中识别小细胞肺癌患者

科学领域:

• 在瘤学瘤学.
• 医疗信息学 医疗信息学
• 流行病学 流行病学

背景情况:

• 目前的ICD-10编码系统缺乏在行政索赔中区分小细胞肺癌 (SCLC) 和非小细胞肺癌 (NSCLC) 的特异性.
• 描述现实世界SCLC患者群体需要准确的识别方法,仅用于索赔数据库.
• 随着SCLC治疗的不断变化,需要强大的数据来提供基于证据的患者护理.

研究的目的:

• 利用行政索赔数据开发和验证用于识别SCLC患者的算法.
• 评估开发的算法在区分SCLC和NSCLC方面的准确性.
• 为了使未来的研究SCLC治疗模式,结果和医疗保健资源利用.

主要方法:

• 一项横截面研究利用了相关的监测,流行病学和最终结果 (SEER) 和医疗保险数据 (2016-2017).
• 一个基于埃托波治疗的算法被开发和验证在不同的患者队列中.
• 根据SEER定义,使用灵敏度,特异性,正预测值 (PPV) 和负预测值 (NPV) 来评估算法性能.

主要成果:

• 验证队列包括7438名接受全身治疗的患者.
• 一个基于乙氧的算法显示了高准确性:95%的灵敏度,95%的特异性,82%的PPV和99%的NPV用于SCLC的识别.
• 该算法根据在诊断后180天内使用埃托波类药物对SCLC进行了特定的识别.

结论:

• 一种基于乙胺治疗的算法是识别SCLC患者在索赔数据库中的可靠工具.
• 这种经过验证的算法可以促进对SCLC进行全面的现实世界证据研究.
• 改善SCLC患者的特征将支持加强治疗策略和患者护理.