开发和验证算法,从医疗保健数据库中识别皮肤性狼患者

科学领域:

• 皮肤病学 皮肤病学
• 类风湿病学 类风湿病学
• 流行病学 流行病学
• 医疗信息学 医疗信息学

背景情况:

• 目前缺乏从电子健康记录 (EHR) 等大型数据集中准确识别皮肤性红斑狼 (CLE) 患者.
• 这种限制阻碍了对CLE的流行病学研究.
• 需要验证的方法来从医疗保健数据库中提取CLE病例.

研究的目的:

• 开发和验证准确的算法来识别皮肤性红斑狼 (CLE) 患者,使用医疗记录.
• 通过数据挖掘,提高研究CLE流行病学的能力.
• 在大量患者群体中建立可靠的CLE病例发现方法.

主要方法:

• 使用国际疾病分类 (ICD) -10代码,提供者专业和药物数据创建了12个病例查找算法.
• 算法在一个来自多机构医疗保健网络的300人队列上得到了验证.
• 病例定义标准涉及皮肤科医生/风湿病学家的文档或活检结果,通过积极预测值 (PPV),特异性和灵敏度来衡量性能.

主要成果:

• 算法的正预测值 (PPV) 在58.0%至92.9%之间.
• 仅依赖任何提供商的单一CLE诊断代码的算法显示PPVs很差.
• 最有效的算法,达到89.0%的PPV,保持灵敏度,需要至少一个ICD-10 CLE诊断码从皮肤科医生.

结论:

• 采用特定的皮肤性红斑狼 (CLE) 诊断代码结合皮肤病学作为编码提供者的专业是一个有效的方法.
• 这种方法可以在电子健康记录系统中准确识别CLE患者.
• 这些发现支持使用这些算法进行流行病学研究和临床数据分析.