使用电子健康记录标记长期COVID的高效表型

科学领域:

• 传染性疾病 传染性疾病
• 医疗信息学 医疗信息学
• 公共卫生 公共卫生

背景情况:

• 长期COVID由于其多样化的症状和不一致的编码, presents一个重要的全球健康挑战.
• 准确识别长期COVID病例对于风险预测和有效的患者管理至关重要.
• 目前仅依赖特定电子健康记录 (EHR) 代码的方法不足以进行全面的长期COVID表型化.

研究的目的:

• 使用EHR数据开发和验证长期COVID的高效表型算法.
• 为了提高长期COVID分类的准确性,超越现有的编码实践.
• 为了提高病例识别,利用标记和未标记的EHR数据.

主要方法:

• 介绍了LAbel-efficientT长期COVIDpH基因型定型 (LATCH) 算法.
• LATCH合成了一小组黄金标准标签与一个大型未标签的EHR数据集,其中包含众多功能.
• 对LATCH算法的性能进行内部和外部验证.

主要成果:

• 与仅使用U09.9长COVID EHR代码的方法相比,LATCH表现优异.
• 下游分析显示,长期COVID患者的医疗保健利用率增加,感染后四个月后达到顶峰.
• 该算法有效地利用标记和未标记的数据进行改进的分类.

结论:

• LATCH算法提供了一种更强大的方法来分类长期COVID病例.
• 增强分类为长期COVID相关的医疗保健利用模式提供了关键的见解.
• 这些发现可以为临床实践和公共卫生策略提供信息,以管理长期COVID的长期影响.