从电子健康记录数据开发侧面性特定的可计算表型,使用治疗保证的糖尿病黄斑胀作为使用案例

科学领域:

• 眼科医生 眼科 眼科
• 医疗信息学 医疗信息学
• 数据科学数据科学数据科学

背景情况:

• 糖尿病视网膜病变 (DR) 管理需要准确的横向特异性数据来治疗治疗的糖尿病黄斑 (TW-DME).
• 电子健康记录 (EHR) 包含有价值的数据,但通常缺乏关于疾病横向性的完整性和准确性.

研究的目的:

• 开发使用结构化和非结构化EHR数据的通用算法,以改进特定横向性的TW-DME的识别.
• 在EHR中提高纵向眼水平疾病评估的准确性.

主要方法:

• 一项回顾性队列研究,涉及来自安全网系统和大学医院的DR患者 (2013-2023).
• 在五个数据层 (文档,收费代码,药物,程序代码,诊断代码) 中调查了横向数据的完整性和准确性.
• 使用手动图表审查验证算法性能.

主要成果:

• 该算法显著提高了横向性完整性,达到93.6% (安全网) 和99.0% (大学).
• 图表审查验证表明,积极的预测值,负的预测值,灵敏度,特异性,一致性和F1得分大幅增加.
• 绩效指标显示,在安全网和大学网站上都出现了显著的改善,这表明可通用性.

结论:

• 开发的算法提供了一种通用,可重复的方法,用于准确地从EHR中提取侧面性特定数据.
• 这种方法在各个医疗保健场所有效,其文档和编码实践各不相同.
• 该算法可以提高日常临床数据的实用性,用于未来的眼病研究,包括患病率,治疗模式和成本.