基于电子健康记录文本识别眼部受累的带状疱疹眼病：一项基于人群的研究

背景 诊断代码不足以准确识别带状疱疹眼病（HZO）。人工审查病历昂贵且耗时，导致缺乏基于人群的HZO数据。 方法 我们进行了一项回顾性队列研究，纳入2010年至2018年间87,673名年龄≥50岁、有新发HZ诊断并伴有相关抗病毒药物处方的患者。我们开发并验证了一种自动化自然语言处理（NLP）算法，用于识别眼部受累的HZO（眼部HZO）。我们比较了HZ患者中NLP识别出的眼部HZO、非眼部HZO和非HZO病例的特征，并确定了HZ患者中与眼部HZO相关的因素。 结果 NLP算法在识别眼部HZO病例方面达到了94.9%的敏感性和94.2%的特异性。在87,673例新发HZ病例中，通过NLP确定为眼部HZO的比例为9.0%（n = 7853），而通过国际疾病分类代码确定为2.3%（n = 1988）。在调整分析中，年龄较大和男性与眼部HZO风险增加相关；与非西班牙裔白人相比，西班牙裔和黑人种族/民族与眼部HZO风险降低相关。 结论 NLP算法具有高准确性，可用于大规模基于人群的研究中识别眼部HZO，避免劳动密集型的图表审查。年龄、性别和种族与HZ患者中的眼部HZO密切相关。在规划带状疱疹疫苗接种时，我们应考虑这些风险因素。