医疗保健管理诊断代码识别非结核分枝杆菌疾病的诊断准确性:一项系统评价

Diagnostic Accuracy of Health Care Administrative Diagnosis Codes to Identify Nontuberculous Mycobacteria Disease: A Systematic Review

作者信息Carlos Mejia-Chew, Lauren Yaeger, Kevin Montes, Thomas C Bailey, Margaret A Olsen
PMID34041304
发布时间2021-05
DOI10.1093/ofid/ofab035

实验完整度

中

系统评价方法(多库检索、双人筛选、QUADAS-2质量评估)明确,但未包含原始实验验证,核心证据为纳入研究的二次分析。

主要模型

美国退伍军人队列 综合医疗系统患者队列 医疗保险账单数据库患者队列

重点核对

ICD-9-CM代码031.X与031.0的编码位置(主要或次要诊断) 参考标准:ATS/IDSA诊断标准(微生物学、放射学、临床标准) 研究人群特征:退伍军人占比、年龄、性别分布 代码组合:单独ICD代码、联合微生物学数据或自然语言处理结果

摘要

背景 医疗保健管理数据库研究经常使用标准医学代码来识别诊断或操作。本综述旨在确定管理数据研究中用于识别非结核分枝杆菌(NTM)疾病(包括肺病(NTMLD))的代码的诊断准确性。 方法 我们检索了Ovid Medline、Embase、Scopus、Cochrane系统评价数据库、Cochrane对照试验中心注册库和ClinicalTrials.gov,检索时间从建库至2019年4月。我们纳入了评估国际疾病分类第九版临床修订版(ICD-9-CM)诊断代码识别NTM疾病和NTMLD的诊断准确性的研究。2名研究者独立评估研究,并使用诊断准确性研究质量评估工具2评估偏倚和质量。 结果 我们确定了5549条独特引文。在回顾的96篇全文文章中,我们的综述纳入了7项符合条件的中等质量研究(3730名参与者)。ICD-9-CM诊断代码识别NTM疾病的诊断准确性在各研究间差异很大,阳性预测值范围为38.2%至100%,敏感性范围为21%至93%。对于NTMLD,4项研究报告了诊断准确性,阳性预测值范围为57%至64.6%,敏感性范围为21%至26.9%。 结论 在医疗保健管理数据中用于识别NTM患者的代码的诊断准确性测量在各研究间存在差异。总体而言,单独使用ICD-9-CM诊断代码的阳性预测值良好,但敏感性较低;这种方法可能低估病例数量,反映了当前编码系统捕获NTM诊断的局限性。 关键词:准确性;管理数据研究;ICD代码;非结核分枝杆菌;NTM;NTMLD

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
医疗保健管理数据库研究中使用的ICD-9-CM代码识别非结核分枝杆菌疾病(包括肺病)的诊断准确性如何?
核心机制
ICD-9-CM代码敏感性与阳性预测值之间的权衡:代码单独使用敏感性低,但阳性预测值较高;联合微生物学数据可提高敏感性而不显著改变阳性预测值。
主要证据
基于7项验证研究(3730名参与者)的汇总数据,各研究使用医疗记录审查或微生物学报告作为参考标准,报告了敏感性、特异性、阳性预测值等指标。
研究意义
作者指出,ICD-9-CM代码单独使用敏感性较低,可能低估NTM病例数量,但阳性预测值良好,研究应优先考虑联合微生物学数据,未来需验证ICD-10-CM代码的准确性。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

文献检索与筛选

识别所有评估ICD-9-CM代码识别NTM疾病诊断准确性的研究

在多个数据库(Ovid Medline、Embase等)中检索至2019年4月,去重后获得5549条独特引文,经双人独立筛选标题和摘要,再对96篇全文进行评估,最终纳入7项符合条件的研究。

2

数据提取与质量评估

提取各研究的诊断准确性数据并评估偏倚风险

使用标准化表格提取研究特征、管理数据库、参考标准、ICD代码及诊断准确性指标,并使用QUADAS-2工具评估偏倚风险。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Endnote X8----
SPSS软件,版本24IBM--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
研究筛选
纳入标准:使用ICD-9-CM代码、参考数据集(医疗记录审查或微生物报告)、报告诊断准确性指标;排除非英文或西班牙语文献及存在合并偏倚的研究
阅读提示:Methods:Study Selection
数据提取
提取的数据项:第一作者、发表年份、国家、样本量、行政数据库特征、参考数据集、ICD代码、诊断准确性测量
阅读提示:Methods:Data Extraction and Quality and Bias Assessment;Table 1
质量评估
QUADAS-2工具的4个领域:患者选择、指标测试、参考标准、流程和时间;偏倚风险等级(低/高)
阅读提示:Methods:Data Extraction and Quality and Bias Assessment;Table 3