在利用EHR数据进行研究时提高疾病识别的准确性和精度:肝细胞癌的案例

科学领域:

• 医疗信息学 医疗信息学
• 在瘤学瘤学.
• 医疗保健服务研究 医疗服务研究

背景情况:

• 电子健康记录 (EHR) 数据越来越多地用于临床研究.
• 准确的特定条件的识别,如肝细胞癌 (HCC) 对于可靠的基于EHR的研究至关重要.
• 国际疾病分类 (ICD) 代码是EHR疾病分类的主要工具.

研究的目的:

• 评估单一ICD代码在一个大型学术卫生系统内识别HCC患者的性能.
• 开发和评估一个结合多个ICD代码的算法,以使用EHR数据更准确地识别HCC病例.
• 为了比较开发的算法的准确性和精度与单个ICD代码的使用.

主要方法:

• 追溯分析了来自1007名可能患有HCC的患者的EHR数据.
• 进行图表审查是HCC诊断验证的黄金标准.
• 开发了一种基于ICD代码的算法,优先考虑正预测值 (PPV),F-score和准确性,需要HCC至少有10个ICD条目,HCC ICD代码的总和高于非HCC恶性病代码.

主要成果:

• 对HCC的单一ICD代码 (ICD-9-CM 155.0或ICD-10-CM C22.0) 在初始队列中导致58%的错误阳性.
• 开发的算法实现了高性能:PPV为97.4%,F-score为0.92,准确率为94%.
• 在285个癌症登记案例的内部验证证实了算法的稳定性 (PPV 92.3%,F-score 0.90,准确率 91%).

结论:

• 单个ICD代码不足以准确地识别EHR数据中的HCC患者.
• 结合多个ICD代码的算法显著提高了HCC病例识别的准确性和精度.
• 在使用EHR数据用于HCC的流行病学研究之前,对ICD代码性能进行彻底的评估是必不可少的.