在医疗保险数据中验证基于索赔的算法,用于系统性红斑狼的诊断,以便明智地使用狼指数:地理空间研究工具
Candace Feldman1, Jeffrey R Curtis2, Jim C Oates3,4
1Division of Rheumatology, Brigham and Women's Hospital, Boston, Massachusetts, USA.
Lupus science & medicine
|October 14, 2024
概括
经过验证的ICD-10代码算法在医疗保险索赔中准确地识别了系统性狼 (SLE) 和狼性炎 (LN). 这改善了SLE研究和资源分配的狼指数.
科学领域:
- 风湿病学和卫生服务研究研究
- 使用管理医疗保健数据进行流行病学研究.
背景情况:
- 在像医疗保险这样的大型数据集中,准确识别系统性红斑狼 (SLE) 和性炎 (LN) 对研究至关重要.
- 现有的病例确定方法在精度和可扩展性方面可能存在局限性.
- 狼指数可以通过经过验证的基于索赔的算法来增强地理空间分析.
研究的目的:
- 通过使用国际疾病分类第十版 (ICD-10) 代码在医疗保险数据中验证基于索赔的算法来识别SLE和LN.
- 评估这些算法的性能与严格的表型队列对比.
- 增强狼指数对流行病学研究的有用性,包括流行率和结果.
主要方法:
- 用SLE和LN的ICD-10代码对基于规则的算法进行回顾性评估.
- 对算法性能与来自南卡罗来纳州的潜在纵向队列进行比较,确认了SLE状态.
- 基于2016-2018年医疗保险数据中的ICD-10代码数量,有或没有30天的隔离,开发了算法.
主要成果:
- 一个使用两种ICD-10 SLE代码的算法,与或没有30天的分离,证明了最好的整体性能.
- 与以前使用ICD-9的SLE和/蛋白尿代码的组合相比,特定的ICD-10代码在识别狼性炎 (LN) 方面优越.
- 经过验证的算法为Medicare索赔数据中的病例确定提供了可靠的方法.
结论:
- 特定的ICD-10代码算法有效地识别医疗保险数据中的SLE和LN病例,支持狼指数.
- 这提高了进行地理空间研究,识别健康差异和选择临床试验地点的能力.
- 算法选择应根据研究目标进行量身定制,优先考虑精确任务的特异性和一般健康研究的更广泛的算法.
