文献速递帕金森病与运动障碍

利用行政理赔数据预测帕金森病发病的模型

A predictive model to identify Parkinson disease from administrative claims data.
PubMed 文献 · Neurology · 2017-09-01

该研究基于2009年 Medicare 受益人中 89,790 例新发帕金森病(PD)病例和 118,095 例对照,使用弹性网算法开发仅利用人口学数据和 2004-2009 年理赔数据的交叉验证预测模型。含 536 个诊断和操作编码的模型 AUC 为 0.857(95%CI 0.855-0.859),最佳切点敏感度 73.5%、特异度 83.2%,优于仅含人口学数据和便秘、味嗅觉障碍、REM 睡眠行为障碍诊断编码的模型(AUC 0.670,95%CI 0.668-0.673)。

要点

  • 仅用理赔行政数据即可构建预测未来 PD 诊断的模型,AUC 达 0.857。
  • 传统危险因素模型预测效能有限,AUC 仅 0.670。
  • 最优切点下敏感度 73.5%、特异度 83.2%,可用于高危人群识别。

核心结论

  • 仅利用行政理赔数据中的人口学信息和诊断操作编码,可识别未来高概率诊断为 PD 的个体。

研究设计与样本

  • 基于人群的病例对照研究,纳入 2009 年 Medicare 受益人中 66-90 岁新发 PD 病例 89,790 例和对照 118,095 例,使用弹性网算法开发交叉验证预测模型。

主要发现

  • 含 536 个诊断和操作编码的模型 AUC 为 0.857(95%CI 0.855-0.859)。
  • 仅含人口学数据和便秘、味嗅觉障碍、REM 睡眠行为障碍诊断编码的模型 AUC 为 0.670(95%CI 0.668-0.673)。
  • 最佳切点下敏感度 73.5%,特异度 83.2%。
  • 观察到 PD 与年龄、性别、种族/民族、吸烟及上述疾病的既定关联。

关键数值与推荐

  • 预测模型采用弹性网算法,使用 2004-2009 年理赔数据。
  • 模型包含 536 个诊断和操作编码,AUC 0.857。
  • 最佳切点敏感度 73.5%,特异度 83.2%。

临床怎么用

  • 可利用理赔数据中现成的诊断和操作编码,辅助识别 PD 高危个体,便于早期评估和干预。

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

原文

OBJECTIVE: To use administrative medical claims data to identify patients with incident Parkinson disease (PD) prior to diagnosis. METHODS: Using a population-based case-control study of incident PD in 2009 among Medicare beneficiaries aged 66-90 years (89,790 cases, 118,095 controls) and the elastic net algorithm, we developed a cross-validated model for predicting PD using only demographic data and 2004-2009 Medicare claims data. We then compared this model to more basic models containing only demographic data and diagnosis codes for constipation, taste/smell disturbance, and REM sleep behavior disorder, using each model's receiver operator characteristic area under the curve (AUC). RESULTS: We observed all established associations between PD and age, sex, race/ethnicity, tobacco smoking, and the above medical conditions. A model with those predictors had an AUC of only 0.670 (95% confidence interval [CI] 0.668-0.673). In contrast, the AUC for a predictive model with 536 diagnosis and procedure codes was 0.857 (95% CI 0.855-0.859). At the optimal cut point, sensitivity was 73.5% and specificity was 83.2%. CONCLUSIONS: Using only demographic data and selected diagnosis and procedure codes readily available in administrative claims data, it is possible to identify individuals with a high probability of eventually being diagnosed with PD.

来源:Neurology,查看原文。版权归原作者所有。

引用

  1. Searles Nielsen S, Warden MN, Camacho-Soto A, et al. A predictive model to identify Parkinson disease from administrative claims data. Neurology. 2017. PMID: 28864676. doi:10.1212/WNL.0000000000004536

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。