仅仅医疗补助申请就具有很高的敏感性,但在识别虐待和忽视儿童时的特异性很低

科学领域:

• 公共卫生 公共卫生
• 医疗信息学 医疗信息学
• 儿科 儿科 儿科

背景情况:

• 预测风险模型 (PRMs) 可以帮助识别虐待和忽视儿童 (CAN).
• 仅仅Medicaid索赔数据对于准确的CAN预测的充分性仍然未确立.
• 开发有效的PRM对于早期干预和儿童福利至关重要.

研究的目的:

• 开发和验证一个基于Medicaid索赔的PRM,用于预测儿童虐待和忽视 (CAN).
• 为了评估PRM的准确性,仅使用Medicaid索赔数据与医疗遭遇和诊断进行对比.
• 评估基于索赔的工具的预测性能,用于识别患有癌症风险的儿童.

主要方法:

• 在纽约州 (2006-2008) 进行了一项用Medicaid注册儿童进行病例对照研究.
• 具有CAN指标的儿童 (病例) 与基于人口统计和入学因素的对照组相匹配.
• 模型验证涉及分析医疗接触,急诊室访问和指数日期后一年的支出.

主要成果:

• 最终的PRM达到62%的AUC,75%的精度,98.5%的灵敏度和9.5%的特异性.
• 被PRM识别或被CAN诊断的儿童的医疗费用更高,特别是受伤相关的急救诊所.
• 该模型在识别具有CAN指标的儿童时表现出高灵敏度,但特异性非常低.

结论:

• 基于医疗补助索赔的PRM在检测儿童虐待和忽视 (CAN) 指标方面表现出高度灵敏度.
• 基于索赔的模型的低特异性表明,单独的医疗补助数据不足以准确预测CAN.
• 未来的研究应该将医疗补助申请与儿童保护服务报告相结合,以提高预测准确度.