在利用Ehr数据进行研究时提高疾病识别的准确性和精度:肝细胞癌的案例

科学领域:

• 医疗信息学 医疗信息学
• 在瘤学瘤学.
• 医疗保健服务研究 医疗服务研究

背景情况:

• 电子健康记录 (EHR) 对临床研究至关重要.
• 准确识别肝细胞癌 (HCC) 患者对于研究和患者护理至关重要.
• 国际疾病分类 (ICD) 代码通常用于识别EHR数据中的患者队列.

研究的目的:

• 评估用于识别HCC的单一ICD代码的性能.
• 开发和验证使用多个ICD代码的算法,以提高EHR中的HCC识别精度.
• 将开发的算法的准确性和精度与单个ICD代码进行比较.

主要方法:

• 来自学术卫生系统的EHR数据的回顾性分析.
• 评估单一的ICD代码 (ICD-9-CM 155.0,ICD-10-CM C22.0) 用于HC的识别.
• 开发一个多ICD代码算法,优先考虑正预测值 (PPV),F-score和准确性.
• 使用单独的潜在HCC病例队列验证算法的内部验证.

主要成果:

• 对HCC的单一ICD代码在1007名患者的队列中表现出高的错误阳性率 (58%).
• 优化的算法需要至少10个ICD代码输入HCC和HCC代码的总和高于非HCC恶性病代码.
• 该算法实现了高性能:PPV 97.4%,F-score 0.92,准确率在初级队列中为94%.
• 内部验证证实了强的表现:PPV 92.3%,F-score 0.90,准确率为91%.

结论:

• 单个ICD代码不足以准确地识别EHR数据中的HCC患者.
• 一个多ICD代码算法显著提高了HCC病例识别的准确性和精度.
• 开发的算法提供了一种更可靠的方法,用于在HCC研究中利用EHR数据.
• 验证强调了在广泛应用EHR数据之前评估ICD代码准确性的重要性.