使用现实世界数据源识别成年皮肤肌炎患者
Benjamin Martin1, Will Kelly1, Hannah Morgan-Cooper2
1Johns Hopkins School of Medicine, Johns Hopkins University, Baltimore, Maryland, USA.
Arthritis care & research
|August 12, 2025
概括
在多个健康数据库中开发精确的算法来识别皮肤肌炎 (DM) 病例,从而改善罕见病研究. 这些经过验证的方法提高了未来研究数据的概括性和可重复性.
科学领域:
- 类风湿病学 类风湿病学
- 流行病学 流行病学
- 医疗信息学 医疗信息学
背景情况:
- 像皮肤肌肉炎 (DM) 这样的罕见疾病由于小而单一的中心队列而带来了研究挑战.
- 有限的概括性阻碍了对DM的理解和治疗开发.
研究的目的:
- 开发和评估DM的病例识别算法.
- 通过各种电子健康记录 (EHR) 和索赔数据库实现DM的协调分析.
主要方法:
- 开发了8个算法来识别11个独立数据库中的成年DM患者 (超过8亿患者),使用OMOP共同数据模型.
- 通过手动图表审查和OHDSI工具 (队列诊断,PheValuator) 对灵敏度和积极预测值 (PPV) 的性能进行了评估.
主要成果:
- 在八种算法的数据库中观察到显著的性能变化 (灵敏度,PPV> 30%).
- 一个发病率算法 (42%的灵敏度,83%的PPV) 和一个流行度算法 (49%的灵敏度,84%的PPV) 显示出良好的性能.
- 队列诊断提供了根据年龄和性别的发病率,与之前的数据一致.
结论:
- 开发了经过验证的DM病例识别算法,在各种真实数据源中显示了准确性.
- 这种方法促进了对罕见类风湿性疾病的可重复和可通用的研究.
- 该方法可以适应用于识别其他类风湿性疾病.


