使用电子健康记录开发和验证五种自身免疫疾病的识别算法:中国的一项回顾性队列研究

科学领域:

• 医疗信息学 医疗信息学
• 自体免疫学 自体免疫学
• 公共卫生 公共卫生

背景情况:

• 准确识别自身免疫性疾病对于患者护理和研究至关重要.
• 电子健康记录 (EHR) 为疾病监测和流行病学研究提供了宝贵的资源.
• 开发验证的算法对于有效利用EHR数据至关重要.

研究的目的:

• 开发和验证用于识别五种自身免疫性疾病的算法:哈西莫托甲状腺炎,炎症性肠病 (IBD),原发性免疫性血栓塞缩小症 (ITP),类风湿性关节炎 (RA) 和1型糖尿病 (T1D).
• 评估这些算法的性能,使用来自中国州区域健康信息平台 (YRHIP) 的数据.
• 建立未来对中国人口自身免疫性疾病的现实研究的方法基础.

主要方法:

• 从YRHIP (2010-2021) 提取的诊断数据,包括ICD-10代码和中国医学术语.
• 通过图表审查验证的算法,遵守全球临床指南.
• 使用灵敏度和正预测值 (PPV) 评估算法性能,优化PPV值为70%.

主要成果:

• 在所有五种自身免疫性疾病中开发出具有令人满意的性能 (PPV>70%) 的算法.
• 哈西莫托的甲状腺炎算法实现了高精度 (灵敏度为97.44%,PPV为98.28%).
• IBD和ITP算法需要结合多个数据源以获得可接受的性能 (IBD:灵敏度79.66%,PPV 70.15%;ITP:灵敏度62.50%,PPV 70.00%).
• 使用入院和门诊记录的1型糖尿病算法显示了令人满意的结果 (灵敏度84.09%,PPV74.00%).

结论:

• 本研究介绍了在中国使用EHR数据识别自身免疫性疾病的首个验证的算法.
• 在所有评估的自身免疫性疾病中,表现令人满意.
• 结合多种数据源对于准确识别复杂的自身免疫性疾病至关重要.