时间序列共病相关性识别有误诊和过度诊断风险的患者

诊断错误很常见，可能导致有害的治疗。我们提出了一种数据驱动的通用方法，用于识别有误诊或过度诊断风险的患者，这里以慢性阻塞性肺病（COPD）为例。估计有5-60%的COPD病例被误诊。因此，在这一领域需要高通量的方法。我们使用了一个国家患者登记系统，该系统包含了220万名患者21年的住院诊断，辨识出了COPD患者的统计学显著疾病轨迹。我们对284,154名被诊断为COPD的患者进行了研究，识别出了包含时间序列共病的常见疾病轨迹。有趣的是，多达42,459名患者没有表现出这些时间序列的常见共病。对每个非跟随者的个体疾病历史与COPD轨迹的比较，显示有9597名患者属于异常。生存分析表明，这一组患者的死亡时间显著早于跟随轨迹的COPD患者。在9597名患者中，我们识别出一个子组，包括2185名存在误诊COPD风险的患者，而没有COPD患者的典型事件。其中，10%的患者被诊断为肺癌，并且他们可能在肺癌方面被低诊断，因为他们的实验室检测值和生存模式与肺癌患者相似。此外，只有4%接受了肺功能测试以确认COPD诊断。另一个子组由2368名患者组成，发现他们存在“经典”过度诊断COPD的风险，在COPD诊断后存活超过5.5年，但缺乏COPD的典型并发症。