利用SNOMEDCT用于患者队列识别,而不是异构的EHR数据

科学领域:

• 医疗信息学 医疗信息学
• 健康数据标准化 标准化
• 临床数据管理 临床数据管理

背景情况:

• 像SNOMED CT这样的标准化临床术语对于管理各种电子健康记录 (EHR) 数据至关重要.
• 现有研究强调了SNOMED CT在临床研究中的优势和局限性.
• 准确的队列鉴定对于流行病学研究和临床试验招聘至关重要.

研究的目的:

• 开发和评估SNOMED CT驱动的队列查询系统,用于COVID-19 EHR数据集.
• 评估与ICD代码相比,使用SNOMED CT用于队列识别的好处和挑战.
• 在SNOMED CT映射和层次结构中识别影响查询准确性的特定问题.

主要方法:

• 开发了一个基于SNOMED CT的队列查询系统,利用ICD-9-CM/ICD-10-CM的概念映射.
• 采用了来自Optum的异质,非识别的COVID-19 EHR数据集.
• 进行了80个随机案例的手动审查,以评估查询性能和识别错误.

主要成果:

• 该SNOMED CT查询系统显示了全面队列查询的潜力.
• 手动审查在80个案例中发现了148个真正阳性代码和63个假阳性代码.
• 在SNOMED CT代码命名,概念映射和层次关系方面注意到了问题.

结论:

• 基于SNOMEDCT的队列查询系统为临床研究提供了重大前景.
• 与错误阳性相关的挑战需要对SNOMED CT使用进行仔细的验证和改进.
• 解决代码命名,映射和层次问题对于优化SNOMED CT用于队列识别至关重要.