ZUSAMMENFASSUNG Zweck Informationen aus elektronischen Gesundheitsakten (EHRs) können in computergestützte Phänotyp-Algorithmen integriert werden, um Ungenauigkeiten von Algorithmen, die ausschließlich auf administrativen Abrechnungsdaten basieren, zu überwinden. Solche Bemühungen können jedoch ressourcenintensiv und erfolglos sein. Es wird daher empfohlen, die Machbarkeit des computergestützten Phänotypings für ein relevantes Gesundheitsergebnis (HOI) vor dem Fortfahren zu bewerten. Methoden Wir haben einen systematischen Bewertungsprozess für die Zweckmäßigkeit (FFP) entwickelt, um die in einem zuvor beschriebenen allgemeinen Rahmenwerk für computergestütztes Phänotyping unter Verwendung von EHR-Daten dargelegten Konzepte umzusetzen. Unser Prozess umfasst die Überprüfung, ob das HOI gut definiert ist, die Überprüfung klinischer Informationen über das HOI, die Identifizierung vorhandener Algorithmen und deren Leistung, die Bewertung der klinischen und Datenkomplexität des HOI sowie die Festlegung einer übergreifenden FFP-Schlussfolgerung und Empfehlung. Wir haben diesen Prozess auf 10 HOIs angewendet, für die leistungsstarke, abschlussbasierte Algorithmen fehlen, und dabei HOIs von öffentlichem Gesundheitsinteresse ausgewählt, die in klinischer und Datenkomplexität variierten, einschließlich Neutropenie, Perikarderguss und medikamenteninduzierter Leberschädigung. Ergebnisse Als moderat (vs. einfach) insgesamt schwierig bewertete HOIs wiesen Merkmale wie die Notwendigkeit der Verarbeitung natürlicher Sprache, die Integration mehrerer Laborresultate oder longitudinaler EHR-Daten auf. HOIs, die als schwierig eingestuft wurden, erforderten die Nutzung von Daten aus mehreren EHR-Quellen, den Ausschluss vieler anderer potenzieller Ursachen oder die Abhängigkeit von Tests mit niedriger Sensitivität. Die Eingabe von Experten für EHR-Daten und klinische Versorgung war entscheidend. Fazit EHR-Daten haben das Potenzial, die Genauigkeit bei der Definition bestimmter HOIs für Forschung und Überwachung im Vergleich zu administrativen Abrechnungsdaten zu verbessern. Der Prozess und die Werkzeuge, die wir geschaffen haben, werden anderen helfen, die FFP von HOIs für computergestütztes Phänotyping zu bewerten.
Gatto et al. (Sun,) untersuchten diese Frage.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: