改善肌痛性脑脊髓炎人口采样:采用在线受访者驱动的方法来解决G93.3注册数据中的偏差

科学领域:

• 医疗信息学医学信息学
• 流行病学 流行病学
• 公共卫生 公共卫生

背景情况:

• 健康登记数据,特别是代码G93.3,被广泛用于肌痛性脑脊髓炎 (ME) 研究.
• 然而,晚期和不足诊断的问题意味着G93.3数据可能不能准确地代表ME的真实流行率或人口统计数据.
• 还不确定所有具有G93.3代码的个体是否符合像加拿大共识标准 (CCC) 这样的既定诊断标准.

研究的目的:

• 开发和应用一种新的方法方法来解决选择偏差,以估计CCC定义的ME群体的特征.
• 通过检查与G93.3状态相关的社会人口统计因素来评估G93.3诊断中的潜在偏差.

主要方法:

• 采用在线受访者驱动的抽样方法来招募参与者.
• 在分析中使用了经过验证的DePaul大学算法.
• 在660名受访者的样本中,社会人口统计学和医疗因素与G93.3状态相反.

主要成果:

• 该研究的结果表明,G93.3健康登记数据具有偏见.
• 具体来说,数据似乎偏向于来自社会贫困背景的个人.
• 这表明G93.3代码可能不足以代表ME人口中的某些人口群体.

结论:

• 编码为G93.3的健康登记册数据不是对肌痛性脑脊髓炎 (ME) 患病率研究的公正抽样框架.
• 这些发现突出了显著的选择偏见,特别是针对社会贫困人口.
• 一种受访者驱动的抽样方法与验证的算法相结合,提供了一种方法来更好地估计CCC定义的ME群体的特征.