基于电子健康记录的算法的开发和验证,用于识别长期阿片类药物治疗患者:跨部门研究
Shu Huang1, Tianze Jiao1,2, Serena Jingchuan Guo1,2
1Department of Pharmaceutical Outcomes and Policy, College of Pharmacy, University of Florida, Gainesville, FL, United States.
Journal of medical Internet research
|December 10, 2025
概括
这项研究开发了一种电子健康记录 (EHR) 算法,用于识别长期阿片类药物治疗 (LTOT) 的患者. 该算法准确识别LTOT患者,帮助临床决策和风险分层.
科学领域:
- 医疗信息学 医疗信息学
- 临床决策支持 临床决策支持
- 药物监督 药物监督 药物监督
背景情况:
- 长期阿片类药物治疗 (LTOT) 患者的有效监测对于管理风险和益处至关重要.
- 在日常护理中准确识别LTOT患者是实施支持性干预的先决条件.
- 目前在临床实践中缺乏用于LTOT识别的算法.
研究的目的:
- 开发和验证一种算法,用于识别使用电子健康记录 (EHR) 数据进行长期阿片类药物治疗 (LTOT) 的患者.
- 评估算法在大型医疗保健系统内识别LTOT事件的性能.
- 提供一种工具,可以支持临床决策和对LTOT患者的风险分层.
主要方法:
- 一项横截面研究利用了与佛罗里达医疗补助申请 (2016-2021) 相关的OneFlorida+ EHR数据.
- 使用弹性净回归模型,根据患者特征,临床特征和药物使用情况来识别LTOT发作.
- 该算法是使用2016-2018年数据开发和内部验证,并使用2019-2021年数据进行外部验证,以医疗补助索赔为基础的LTOT定义作为参考标准.
主要成果:
- 开发的基于EHR的算法表现出强的性能,在内部和外部验证数据集中实现了0.83的C统计.
- 在验证期内,灵敏度在73.4%至78.8%之间,特异性在73.3%至76.8%之间.
- 该算法成功识别了LTOT患者,其中很大一部分 (73.3%内部,75.5%外部) 被捕获在最高风险子组中.
结论:
- 基于电子健康记录 (EHR) 的长期阿片类药物治疗 (LTOT) 算法表现出与基于索赔的方法可比的准确性.
- 这种算法可以有效地支持接受LTOT的患者的风险分层.
- 该工具有可能在患者接触期间为临床决策提供信息,改善长期阿片类药物治疗患者的护理.
更多相关视频
相关概念视频
01:25Analgesia and Pain Management
1.4K
Pain is critical to various clinical pathologies, provoking an urgent need for effective management. Pain, whether acute or chronic, is a complex neurochemical process. Its alleviation depends on the type, with nonopioid analgesics effective for mild to moderate pain, such as musculoskeletal or inflammatory pain, while neuropathic pain responds best to anticonvulsants, tricyclic antidepressants, or serotonin/norepinephrine reuptake inhibitors. For severe acute or chronic pain, opioids may be...
1.4K
01:29Documentation in Long-Term and Home Healthcare Setting
1.4K
Documentation in long-term care facilities and home healthcare settings is crucial for ensuring continuous, coordinated, and comprehensive care for patients. Each setting has its specific documentation processes and tools:
Long-Term Care Facilities
Long-Term Care Facilities
1.4K