使用卫生行政数据对模型进行外部验证,以预测骨骨折概率:简要报告

科学领域:

• 医疗信息学 医疗信息学
• 整形外科手术 整形外科手术
• 流行病学 流行病学

背景情况:

• 准确的病例鉴定对于基于人口的卫生行政数据分析至关重要.
• 错误分类偏见可能来自不准确的病例识别,导致错误的结果.
• 使用诊断码识别骨骨折 (AFs) 的现有方法容易产生偏差.

研究的目的:

• 在新的医院环境中验证一个骨骨折 (AF) 预测模型的准确性.
• 评估模型在最小化AF研究的错误分类偏差方面的表现.
• 为了确定是否常规收集的卫生行政数据可以准确估计AF概率.

主要方法:

• 2015-2020年期间在验证医院的所有住院治疗的计算AF概率.
• 随机抽样1000名患者,按预测的AF概率分层.
• 审查了患者成像研究,以确认验证真正的AF状态.

主要成果:

• 该AF预测模型表现出高的辨别能力 (c-统计:0.90;95%CI:0.87-0.92).
• 该模型显示出优异的校准 (综合校准指数:0.056;95% CI:0.039-0.074).
• 验证证实了模型在估计AF概率方面的准确性.

结论:

• 常规收集的卫生行政数据可以准确地确定AF概率.
• 经过验证的AF预测模型有效地减少了AF研究中的错误分类偏差.
• 该工具支持使用行政数据对骨骨折进行可靠的流行病学研究.