国内最大級の歯科向け情報サイト WHITE CROSSへアクセスしようとしています。

あなたは歯科・医療関係者ですか?

WHITE CROSSは歯科・医療関係者に向けて、良質な歯科医療情報を提供することを目的とした会員制サイトです。
一般の方への情報提供を目的としたサイトではありませんのでご了承ください。

WHITE CROSSは歯科医師の3人に1人が利用する、国内最大級の歯科専門情報サイトです。歯科医師や歯科衛生士、歯科技工士をはじめ、医療関係者の皆様へ最新の歯科医療臨床・経営、ニュース、セミナー情報などを配信しています。

日本の健康保険請求データベースにおけるクローン病患者を特定するためのアルゴリズムの開発 | 日本語AI翻訳でPubMed論文検索

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。
PLoS One.2021;16(10):e0258537.

日本の健康保険請求データベースにおけるクローン病患者を特定するためのアルゴリズムの開発

Development of algorithms for identifying patients with Crohn's disease in the Japanese health insurance claims database.

PMID: 34644342

抄録

背景:

健康保険請求データベースを用いたリアルワールドのビッグデータ研究では、対象となる人口やアウトカムを正確に特定するための抽出アルゴリズムが必要です。しかし、クローン病(CD)を対象としたアルゴリズムはまだ検証されていません。本研究では、保険金請求データを用いてCDを識別するアルゴリズムを開発することを目的とする。

BACKGROUND: Real-world big data studies using health insurance claims databases require extraction algorithms to accurately identify target population and outcome. However, no algorithm for Crohn's disease (CD) has yet been validated. In this study we aim to develop an algorithm for identifying CD using the claims data of the insurance system.

研究方法:

保険金請求データからのCD抽出アルゴリズムの開発を目的とした単施設のレトロスペクティブ研究を行った。2015年1月~2019年2月に北里大学北里研究所病院を受診した患者を登録し、国際統計疾病及び関連保健問題分類第10改訂版(ICD-10)の診断コードと処方・手術コードの有無を組み合わせた組み入れ基準に従ってデータを抽出した。それぞれの組み入れ基準を満たした100例を無作為に抽出し、カルテの診断内容に応じて陽性適中率(PPV)を算出しました。全症例のうち20%は二重にレビューし,観察者間の一致度(Kappa)も算出した。

METHODS: A single-center retrospective study to develop a CD extraction algorithm from insurance claims data was conducted. Patients visiting the Kitasato University Kitasato Institute Hospital between January 2015-February 2019 were enrolled, and data were extracted according to inclusion criteria combining the Tenth Revision of the International Statistical Classification of Diseases and Related Health Problems (ICD-10) diagnosis codes with or without prescription or surgical codes. Hundred cases that met each inclusion criterion were randomly sampled and positive predictive values (PPVs) were calculated according to the diagnosis in the medical chart. Of all cases, 20% were reviewed in duplicate, and the inter-observer agreement (Kappa) was also calculated.

結果:

登録された82,898例のうち、診断コードのみで255例、診断コードと処方コードの組み合わせで197例、診断コードと処方コードまたは手術コードの組み合わせで197例が抽出された。CDの確定症例に対するPPVは,診断コードのみでは83%であったが,処方コードと組み合わせることで97%に向上した。観察者間の一致度は0.9903であった。

RESULTS: From the 82,898 enrolled, 255 cases were extracted by diagnosis code alone, 197 by the combination of diagnosis and prescription codes, and 197 by the combination of diagnosis codes and prescription or surgical codes. The PPV for confirmed CD cases was 83% by diagnosis codes alone, but improved to 97% by combining with prescription codes. The inter-observer agreement was 0.9903.

結論:

ICDコード単独ではCDを定義するには不十分であったが、診断コードと処方コードを組み合わせたアルゴリズムは十分に高いPPVを示し、日本のクレームデータベースを用いたCDのアウトカムベースの研究を可能にするものであった。

CONCLUSIONS: Single ICD-code alone was insufficient to define CD; however, the algorithm that combined diagnosis codes with prescription codes indicated a sufficiently high PPV and will enable outcome-based research on CD using the Japanese claims database.