原始论文
摘要
背景:患有多种慢性疾病的老年患者往往面临着不断增加的医疗保健需求和随之而来的更高的医疗费用,这对患者、他们的护理人员和医疗保健系统构成了沉重的经济负担。电子健康记录系统的日益普及和临床数据的激增为流行率研究和人口健康评估提供了新的机会。过去几年见证了越来越多的临床研究网络专注于从电子健康记录中建立大量的临床数据,并声称使进行临床研究更容易,成本更低。
摘要目的:本研究的目的是比较佛罗里达州和美国老年人常见慢性疾病和多种慢性疾病的患病率,数据来自OneFlorida临床研究联盟和医疗成本与利用项目(HCUP)国家住院患者样本(NIS)。
方法:我们首先分析了3个数据集中老年人的基本人口统计学特征——2013年OneFlorida数据、2013年HCUP NIS数据和2012年至2016年OneFlorida合并数据。然后,我们分析了这25种慢性疾病在3个数据集中的患病率。我们对老年高血压患者进行分层分析,高血压是最常见的疾病。此外,我们还检查了OneFlorida(2012-2016年)和HCUP NIS队列(2003-2013年)中代表多种慢性疾病的出院记录患病率的趋势(即总体趋势,然后按年龄、种族和性别分列)。
结果:在OneFlorida和HCUP NIS数据集中,前10大流行疾病的排名是相同的。3个数据集中2种疾病中最常见的多发性慢性疾病是高血脂和高血压;高血压和缺血性心脏病;糖尿病和高血压;慢性肾病和高血压;贫血和高血压;还有高血脂和缺血性心脏病我们在两个数据源中都观察到多种慢性疾病的增加趋势。
结论:结果显示,慢性疾病和多种慢性疾病在佛罗里达州和美国的老年人中普遍存在。尽管观察到细微的差异,但OneFlorida和HCUP NIS对慢性疾病和多种慢性疾病患病率的相似估计表明,OneFlorida等临床研究数据网络由异构数据源构建,可以为进行大规模二级数据分析提供丰富的数据资源。
doi: 10.2196 / jmir.8961
关键字
简介
背景
慢性疾病(CCs)影响了美国近一半的成年人。在过去几年中,高血压、哮喘、癌症和糖尿病等癌症的患病率有所上升[
- ].患有多种慢性疾病(mcs)的老年患者往往面临着日益增加的医疗保健需求和随之而来的更高的医疗费用,这对患者、其照护者和卫生保健系统构成了沉重的经济负担。了解MCC流行趋势可为决策者、卫生保健提供者和支付方提供有关慢性病管理和预防的信息,并有助于预测未来的卫生保健需求[
].MCC研究文献大多使用国家索赔数据或国家调查来估计MCC的患病率[ - ].弗雷德等人[ ]提出了使用国家健康访谈调查(NHIS)数据对45岁及以上人口进行2次或2次以上自我报告的cc的估计。他们报告说,在1999年至2010年期间,45岁至64岁以及65岁及以上年龄组中,患有mcs的成年人比例都有所增加。沃德和席勒[ ]同样使用2010年NHIS的数据分析了美国成年人中mcs的患病率,并报告了从2001年到2010年mcs的患病率不断增加。Ashman和Beresovsky利用国家门诊医疗调查数据,对就诊的美国成年人进行了MCC分析[ ].他们发现高血压是前5个MCC二元和三元组中最常见的CC。他等人 ]使用国家健康和营养检查调查数据和一个公共临床试验登记- clinicaltrials .gov -来分析MCCs的患病率和对其的临床试验之间的差距。他们发现,目前和过去的临床试验很少调查普遍存在的mcc。近年来,在2009年《经济和临床健康卫生信息技术(HITECH)法案》的推动下,电子健康记录(EHR)系统得到广泛采用[
].截至2015年,超过90%的非联邦急症护理医院采用了认证的电子病历[ ].截至2017年底,美国约90%的办公室医生已经在使用电子病历[ ].随着公共卫生报告成为医院获得HITECH法案激励付款的有意义使用标准的一部分,电子病历已被公认为公共卫生监测的重要数据来源[ ](特别是在慢性疾病监测方面[ - ]),用于临床研究的群组识别[ ],以及疾病风险预测[ ].与调查数据相比,使用电子病历的优势是多方面的。首先,EHRs拥有细粒度的临床数据,这些数据很少在调查或索赔数据中收集和报告。其次,电子病历包含患者的纵向数据,而调查数据大多只提供一个人的健康状况的快照。然而,由于电子病历数据仅包含到医疗机构就诊的患者,因此他们可能不像调查数据那样具有全国人口的代表性。因此,有必要调查电子病历数据在多大程度上可以代表更广泛的人群,以便为使用电子病历进行公共卫生和慢性疾病监测的研究人员提供信息。最近,Perlman等人在纽约市创建了一个基于ehr的公共卫生监测系统[ ].他们将该系统生成的CC估计值与纽约基于人群的调查结果进行了比较,发现糖尿病、高血压、吸烟和肥胖患病率与调查结果接近,但抑郁症和流感疫苗接种估计值远低于基于调查的估计值[ ].过去几年,越来越多的临床研究网络专注于从电子病历中建立大量的临床数据集,并声称为不同组织的研究人员提供一个协作环境。预计对这些数据的分析将导致医学知识的进步、保健服务的提供和人口健康的改善[
- ].一个著名的例子是国家以病人为中心的临床研究网络[ , ],由以患者为中心的结果研究所(PCORI)资助。PCORnet由一个协调中心和33个合作伙伴网络组成,其中包括13个临床数据研究网络(CDRNs)和20个患者驱动的研究网络。PCORnet“旨在通过利用大量健康数据和患者伙伴关系的力量,使进行临床研究比现在更快、更容易、成本更低”[ ].它是一个全国性的“网络中的网络”,定期从各种卫生保健组织收集数据,包括医院、社区诊所、健康计划和国家数据登记处(如癌症登记处和生命统计数据)。PCORnet使个人和组织能够使用这个大数据集回答实际问题,帮助患者、临床医生和其他利益相关者做出明智的医疗保健决策。例如,PCORnet提供了一种宝贵的队列发现服务,被证明对识别各种健康状况的队列特别有用,特别是罕见疾病。PCORnet收集了大量的患者电子数据,可以有效地支持大规模随机临床试验、疗效比较研究和纵向观察研究。储存在cdrn内的电子病历已广泛用于比较效能分析[
- ]、群组鉴定[ - ],以及公共卫生监察研究[ , , ].然而,目前尚不清楚这些cdrn(如OneFloridais)中的人口在多大程度上代表了全国人口。这是一个重要的指标,需要进行检查,以了解OneFlorida人口的全面性,并提高OneFlorida数据的可解释性和泛化性,以及上述研究的可重复性。佛罗里达州是美国老年人口最多的州。OneFlorida是为国家PCORnet做出贡献的13个cdrn之一[
].OneFlorida数据信托是一个安全的集中式数据存储库,它集成了来自OneFlorida研究联盟中贡献组织的各种数据源,包括22家医院和914个基于社区的临床实践,为48%的佛罗里达人提供护理。截至2017年6月,数据信托基金包含1090万份患者记录,包括来自合作伙伴的电子病历系统的数据,以及来自佛罗里达州医疗补助计划的索赔数据。最终,数据信托将包括佛罗里达州医疗保险受益人的索赔数据、佛罗里达州生命统计记录和佛罗里达州癌症数据系统记录。OneFlorida数据信托采用PCORNet通用数据模型3.1版[ ],它使用标准词汇对诊断(即国际疾病分类,ICD)、程序(即ICD程序代码、当前程序术语和医疗保健通用程序编码系统代码)、实验室观察(即逻辑观察标识符名称和代码)和药物(即RxNorm和国家药物代码)进行编码。OneFlorida和PCORnet数据仅包含健康保险可携带性和责任法案有限的数据,我们已获得使用许可。在整篇论文中,除非另有说明,OneFlorida引用了用于进行分析的住院患者数据摘录。客观的
本研究的目的是估计和比较佛罗里达州和美国老年人中常见cc和mcc的患病率,这些数据来自OneFlorida数据信托和一个国家数据源-来自医疗保健研究和质量局医疗成本和利用项目(HCUP)的国家住院患者样本[
].NIS是美国住院病人数据的综合来源。由于NIS仅包含住院患者数据,我们还使用OneFlorida data Trust中的住院患者EHR记录来估计佛罗里达州的人口。在本文中,我们根据医疗保险和医疗补助服务中心(CMS)算法将MCC定义为2个或更多cc [ ].在本研究中,我们制定了2个研究问题(RQs):
RQ1: OneFlorida数据信托住院患者数据中老年人出院记录中常见cc的患病率是多少?它与HCUP NIS的未加权全国估计数如何比较?
RQ2: OneFlorida数据信托中老年人出院记录中10个最常见的cc和MCC患病率是否与未加权HCUP NIS全国人群一致?
方法
数据收集和准备
使用CMS慢性病仓库(CCW)算法确定了2012年至2016年佛罗里达州22个cc的住院出院记录[
].我们纳入了有家庭、其他机构或急诊科入院来源的记录。2013年的流量记录用于横断面分析,2012年至2016年的记录用于纵向比较。NIS是美国最大的全付费住院医疗保健数据库。未经加权,它每年包含700万份出院记录,加权样本代表2500万份出院记录。从2012年数据年开始,NIS对美国社区医院的所有出院患者进行了20%的分层抽样,不包括康复和长期急症护理医院。横断面分析采用2013年NIS档案,纵向分析采用2003年至2013年的数据。NIS包括所有患者的信息,包括医疗保险、医疗补助或私人保险覆盖的未投保的个人。研究人员和政策制定者使用NIS对住院医疗保健利用进行全国估计[
]、获得护理的机会[ ]、住院费[ , , ]、医院护理质量[ ],以及结果[ , ].说明了数据准备和分析的过程。作为第一步,我们使用CMS CCW算法识别CC患者[ ].CMS CCW算法使用以下标准识别27种疾病类别的病例,例如(1)ICD-9-CM和ICD-10诊断代码的验证列表,(2)一年内诊断代码符合病例定义的出院记录发生次数,(3)在给定年份内确定特定CC类别中的单个病例以识别27种疾病的连续诊断年数,以及(4)服务来源类型。我们排除了2种不使用住院记录进行白内障或青光眼病例识别的算法条件,因为这些条件通常与住院护理无关。我们修改了其他7种疾病的算法标准,分别是(1)类风湿关节炎和骨关节炎,(2)慢性肾病,(3)心力衰竭,(4)糖尿病,(5)阿尔茨海默病,(6)阿尔茨海默病及相关疾病,(7)缺血性心脏病。这7种情况需要连续2年或3年的诊断才能符合病例标准,如果是类风湿性关节炎或骨关节炎,则需要在一年内诊断2例。出于隐私考虑,NIS没有指定可以跨设施或时间跟踪的唯一患者标识符。因此,我们修改了这7种情况的标准,并根据单个住院患者的出院记录确定病例。对于CMS算法定义的其余25种情况,我们将分析限制在65岁或以上的人群[ ].
在两个数据来源中,我们将老年人确定为住院出院时年龄在65岁以上的人。我们按年龄组进行了分层分析,即65至74岁,75至84岁,85岁及以上。除年龄外,我们还提取了患者的性别和种族变量。对于OneFlorida的分析,我们生成了两个数据集,一个用于横断面分析(2013年),另一个用于纵向分析,数据来自OneFlorida数据信托(2012-2016年)目前所有年份的数据。对于HCUP NIS,我们使用2013年的数据进行横断面分析,使用2003年至2013年的数据进行纵向分析。OneFlorida Data Trust和HCUP NIS使用不同年份范围的决定是基于数据的可用性和分析的丰富性做出的。
然而,OneFlorida Data Trust和HCUP NIS都有2012年至2013年的数据。
OneFlorida Data Trust使用PCORNet CDM 3.1版本,这是一种关系模式。数据存储在由佛罗里达大学健康科学中心托管的微软SQL服务器中。我们纳入了直接住院或急诊到住院的患者。HCUP NIS数据以SAS格式发布。我们对HCUP SAS数据集进行预处理,并将其加载到Microsoft SQL server中。
数据分析
分析包括3个分析文件中25个单项条件和MCC的描述性统计,即(1)仅2013年的OneFlorida数据(OneFlorida 2013),(2)仅2013年的NIS数据(NIS 2013),以及(3)2012年至2016年的OneFlorida数据(OneFlorida 2012-2016)。卡方检验用于检验3个数据文件中兴趣比例的组间差异。
我们首先分析了2013年两个数据集和OneFlorida 2012年至2016年数据中老年人的基本人口统计学特征。然后,我们分析了25个cc在3个数据集中的患病率。我们做了深入的研究,对老年高血压患者进行分层分析,高血压是最常见的疾病。比较了3个数据集24个年龄、性别、种族和民族阶层的高血压患病率。我们还检查了2013年每个数据集中每个医院记录的病情数量,并进一步按性别、种族或民族对2013年mcs患者的患病率进行了分层。
此外,我们还检查了OneFlorida和NIS队列中代表mcs的出院记录的流行趋势(即总体趋势,然后按年龄、种族和性别分列)。计算Pearson相关系数以比较按年龄组、性别、种族或民族分层的MCC趋势。
结果
基本特征
显示了OneFlorida 2013年数据、OneFlorida 2012至2016年数据和HCUP NIS 2013年数据集中老年人口的基本特征。在OneFlorida 2013年和2012年至2016年的数据中,老年人的平均年龄相似t检验,自由度=63435.3226,P> . 05)。OneFlorida 2013年的老年人比NIS 2013年的老年人略年轻。在所有3个数据集中,老年女性患者多于老年男性患者。2012年至2016年,OneFlorida的西班牙裔、非西班牙裔(NH)黑人比例显著高于NIS 2013年,而非西班牙裔白人、亚洲或太平洋岛民比例较低(卡方统计数据72587091891.83,P<措施)。
慢性病患病率
在这3个数据集中,前10大流行疾病的排名是相同的。这些疾病包括高血压、高脂血症、缺血性心脏病、糖尿病、贫血、慢性肾病、心房颤动、心力衰竭、慢性阻塞性肺疾病和风湿性关节炎。然而,在NIS和OneFlorida的数据中,每种疾病的患病率都存在差异。对比NIS和OneFlorida的数据,可以观察到OneFlorida的老年人高血压(80.97% vs 76.32%)、高脂血症(52.42% vs 45.94%)和糖尿病(35.32% vs 33.93%)的比例高于NIS;而NIS中老年人患有慢性肾病(33.22% vs 31.24%)和心力衰竭(25.36% vs 19.77%)的比例较高。2013年至2014年,最近一项针对自我报告有慢性疾病的老年人(65岁及以上)的全国调查显示,男性受访者中关节炎患病率为43%,女性受访者中患病率为54% [
].这一数字几乎是2002年报告的住院患者临床数据中此类疾病患病率的两倍 .这可能反映了这样一个事实:关节炎患者大多在门诊接受治疗,因此关节炎的诊断与大多数住院患者的出院无关。高血压患病率按性别、年龄组、种族或民族划分
显示了2013年NIS、2013年OneFlorida和2012年至2016年OneFlorida汇总数据中按性别、年龄组、种族和民族分层的老年人高血压患病率。选择高血压是因为它是我们研究的老年人中患病率最高的疾病。2013年文件(OneFlorida和NIS)之间估计的最大差异是85岁及以上的新罕布什尔州白人女性约3%,65岁至74岁的新罕布什尔州白人男性约3%。我们观察到以下4个年龄组的女性差异超过1%:65 - 74岁的NH黑人、65 - 74岁的NH白人、75 - 84岁的NH白人和85岁及以上的NH白人。在男性中,除75 - 84岁的NH白种人外,其余各层的差异均大于1%。2013年OneFlorida与2012年至2016年OneFlorida合并数据之间的估计数据与2012年至2016年OneFlorida高血压患病率的一些增长数据大致相似,这可能反映了与肥胖和久坐生活方式相关的增长趋势。
多种慢性疾病的患病率
说明了2013年HCUP NIS和OneFlorida中患有一种或多种cc的人口比例,即老年人中的mcs。3个数据集表现出相似的特征。在25个cc中,超过18%的老年人有4种疾病。超过65%的老年人有4种或以上的疾病。mmc患者在美国老年人中非常普遍。
按性别划分的多种慢性病患病率
显示按性别分层的MCC患病率。关于mcs的数量,在OneFlorida和NIS的数据中,男性和女性老年人没有表现出显著差异。未进行统计学检验以检验各组间的统计学差异。与此形成对比的是,在18至64岁的人口中,妇女的mcc患病率更高。
按种族或民族划分的多种慢性病患病率
说明按种族或民族划分的监控化学品的流行情况。有一个或多个cc的记录在种族或民族群体中的分布似乎相似。请注意,尽管在OneFlorida中西班牙裔代表过多,亚裔代表不足,但他们在每个种族或民族中的MCC分布与NIS相似。
特征 | OneFlorida 2013 (N=40,087) | OneFlorida 2012-2016 (N=147,900) | Hcup nis 2013 (n =2,447,640) | |
年龄(年),平均值(SD) | 76.4 (8.04) | 76.4 (8.03) | 78.0 (7.80) | |
性别,n (%) | ||||
男性 | 19094 (47.63) | 71642 (48.44) | 1084593 (44.31) | |
女 | 20993 (52.37) | 76255 (51.56) | 1362844 (55.68) | |
未指明的 | 0 (0) | 3 (0.0) | 203 (0.01) | |
种族,n (%) | ||||
非西班牙裔白人 | 27881 (69.55) | 101871 (68.88) | 1817861 (74.27) | |
非西班牙裔黑人 | 5835 (14.56) | 19487 (13.18) | 231968 (9.48) | |
亚太岛民 | 550 (1.37) | 1819 (1.23) | 50768 (2.07) | |
拉美裔 | 3102 (7.74) | 11718 (7.92) | 156780 (6.41) | |
其他 | 2719 (6.78) | 13005 (8.79) | 190263 (7.77) | |
多种慢性疾病平均次数(SD) | 4.7 (2.3) | 4.9 (2.6) | 4.5 (2.0) |
条件 | 患者人数,n (%) | ||
OneFlorida 2013 (N=40,087) | OneFlorida 2012-2016 (N=147,900) | Hcup nis 2013 (n =2,447,640) | |
高血压 | 32460 (80.97) | 123640 (83.60) | 1868149 (76.32) |
高脂血症 | 21013 (52.42) | 82046 (55.48) | 1124402 (45.94) |
缺血性心脏病 | 15191 (37.90) | 57235 (38.69) | 911199 (37.23) |
糖尿病 | 14158 (35.32) | 53362 (36.07) | 830551 (33.93) |
贫血 | 14445 (36.03) | 57108 (38.61) | 819538 (33.48) |
慢性肾病 | 12525 (31.24) | 49957 (33.78) | 813196 (33.22) |
心房纤颤 | 9973 (24.88) | 38347 (25.93) | 625467 (25.55) |
心脏衰竭 | 7926 (19.77) | 31411 (21.23) | 620787 (25.36) |
慢性阻塞性肺病和支气管扩张 | 8063 (20.11) | 31658 (21.41) | 559336 (22.85) |
类风湿关节炎或骨关节炎 | 9325 (23.26) | 41348 (27.96) | 481299 (19.66) |
收购了甲状腺功能减退 | 7622 (19.01) | 29731 (20.10) | 6024 (18.63) |
阿尔茨海默病及相关疾病或老年痴呆 | 5351 (13.35) | 21349 (14.43) | 370502 (15.14) |
抑郁症 | 5643 (14.08) | 22554 (15.25) | 323717 (13.23) |
骨质疏松症 | 2677 (6.68) | 10526 (7.12) | 161620 (6.60) |
哮喘 | 3071 (7.66) | 17136 (11.59) | 152557 (6.23) |
中风或短暂性脑缺血发作 | 3040 (7.58) | 13288 (8.98) | 117165 (4.79) |
急性心肌梗死 | 1799 (4.48) | 7946 (5.37) | 107079 (4.37) |
前列腺癌 | 2516 (6.27) | 10146 (6.86) | 103151 (4.21) |
乳腺癌 | 1876 (4.68) | 7229 (4.89) | 99430 (4.06) |
阿尔茨海默病一个 | 1202 (3.00) | 4574 (3.09) | 89683 (3.66) |
结肠直肠癌 | 1496 (3.73) | 5398 (3.65) | 77409 (3.16) |
肺癌 | 1376 (3.43) | 5408 (3.66) | 75982 (3.10) |
髋关节或骨盆骨折 | 1127 (2.81) | 5153 (3.48) | 69693 (2.85) |
良性前列腺增生 | 919 (2.39) | 6297 (4.26) | 47979 (1.96) |
子宫内膜癌 | 361 (0.90) | 1419 (0.96) | 15173 (0.62) |
一个阿尔茨海默病患者的病例计数也包括在阿尔茨海默病及相关疾病或老年痴呆症类别的计数中。
性 | 年龄范围(年) | 种族或民族 | 患者人数,n (%一个) | ||
OneFlorida 2013 (N=40,087) | OneFlorida 2012-2016 (N=147,900) | Hcup nis 2013 (n =2,447,640) | |||
女 | 65 - 74 | 亚太岛民 | 115 (0.29) | 381 (0.26) | 7487 (0.31) |
女 | 65 - 74 | 拉美裔 | 704 (1.76) | 2696 (1.82) | 28310 (1.16) |
女 | 65 - 74 | 非西班牙裔黑人 | 1516 (3.78) | 5280 (3.57) | 53625 (2.19) |
女 | 65 - 74 | 非西班牙裔白人 | 4931 (12.30) | 18653 (12.61) | 258444 (10.56) |
女 | 75 - 84 | 亚太岛民 | 84 (0.21) | 308 (0.21) | 8888 (0.36) |
女 | 75 - 84 | 拉美裔 | 518 (1.29) | 1949 (1.32) | 27484 (1.12) |
女 | 75 - 84 | 非西班牙裔黑人 | 995 (2.48) | 3464 (2.34) | 42002 (1.72) |
女 | 75 - 84 | 非西班牙裔白人 | 3871 (9.66) | 14522 (9.82) | 275781 (11.27) |
女 | ≥85 | 亚太岛民 | 36 (0.09) | 112 (0.08) | 6295 (0.26) |
女 | ≥85 | 拉美裔 | 216 (0.54) | 843 (0.57) | 16218 (0.66) |
女 | ≥85 | 非西班牙裔黑人 | 574 (1.43) | 1797 (1.22) | 24602 (1.01) |
女 | ≥85 | 非西班牙裔白人 | 2465 (6.15) | 8765 (5.93) | 226926 (9.27) |
男性 | 65 - 74 | 亚太岛民 | 136 (0.34) | 417 (0.28) | 7355 (0.30) |
男性 | 65 - 74 | 拉美裔 | 597 (1.49) | 2428 (1.64) | 25393 (1.04) |
男性 | 65 - 74 | 非西班牙裔黑人 | 1240 (3.09) | 4591 (3.10) | 42773 (1.75) |
男性 | 65 - 74 | 非西班牙裔白人 | 5697 (14.21) | 21889 (14.80) | 258218 (10.55) |
男性 | 75 - 84 | 亚太岛民 | 59 (0.15) | 245 (0.17) | 6966 (0.28) |
男性 | 75 - 84 | 拉美裔 | 417 (1.04) | 1595 (1.08) | 20110 (0.82) |
男性 | 75 - 84 | 非西班牙裔黑人 | 710 (1.77) | 2441 (1.65) | 26263 (1.07) |
男性 | 75 - 84 | 非西班牙裔白人 | 3677 (9.17) | 13854 (9.37) | 221772 (9.06) |
男性 | ≥85 | 亚太岛民 | 20 (0.05) | 78 (0.05) | 3908 (0.16) |
男性 | ≥85 | 拉美裔 | 133 (0.33) | 560 (0.04) | 8817 (0.36) |
男性 | ≥85 | 非西班牙裔黑人 | 234 (0.58) | 815 (0.55) | 9913 (0.41) |
男性 | ≥85 | 非西班牙裔白人 | 1375 (3.43) | 5449 (3.68) | 120645 (4.93) |
一个分母为所有≥65岁的患者。
多种慢性疾病对的患病率
显示了10对最常见的并发慢性疾病的患病率。尽管在OneFlorida和NIS队列中2种情况的普遍mcc是相同的,但它们的排名略有不同。佛罗里达一组的贫血和高血压患者比例高于NIS组(32.17% vs 25.79%)。一佛罗里达队列中老年人房颤和高血压的比例略高于NIS队列(22.72% vs 19.88%)。3个数据集中2种疾病最常见的mcc是高脂血症和高血压、高血压和缺血性心脏病、糖尿病和高血压、慢性肾病和高血压、贫血和高血压、高脂血症和缺血性心脏病。
多种慢性疾病的趋势
以下4幅图(
- )对2012年至2016年OneFlorida数据和2003年至2013年NIS数据中反映2种或2种以上情况的出院数量进行了纵向检查。在 在美国,NIS数据显示,2例或2例以上cc的总体患病率从2003年的约66%稳步上升至2013年的约83%。OneFlorida的数据始于2012年,MCC的患病率约为81%,到2016年上升至约84%。MCCs患病率的两个斜率均呈单调递增趋势。不同性别间MCC患病率的斜率
看起来和整体坡度非常相似 .NIS数据中男性和女性的斜率平行于1%到2%的男性和女性差异,并最终在2013年收敛于约84%。Pearson相关系数显示,男性和女性老年人之间存在较强的正相关R值为。9966。OneFlorida数据中男性和女性的曲线几乎重合,似乎延续了NIS数据的斜率。在
, NIS和OneFlorida数据显示了按年龄组划分的MCC患病率。到2013年,三个年龄组的NIS斜率是平行的。Pearson相关系数在3个年龄组之间呈较强的正相关RNIS 65 ~ 74岁年龄组与NIS 75 ~ 84岁年龄组的值为。9972;的RNIS 65 - 74岁年龄组和NIS 85岁以上年龄组的值为0.9961。然而,最年轻的年龄组(65 ~ 74岁)和中年年龄组(75 ~ 84岁)之间的差距约为8个百分点。在整个时间范围内,年龄最大的年龄组(85岁以上)似乎比75岁至84岁年龄组高出约4个百分点。OneFlorida数据的平行斜率之间也有类似的差异,尽管85岁及以上年龄组的趋势与NIS中相同年龄组相比略高。最后,在
,我们按种族-民族群体介绍了mcs的患病率。年所看到的总趋势与 - .非西班牙裔黑人和非西班牙裔白人与黑人平行,平均高出2个百分点。皮尔逊相关系数显示,非西班牙裔黑人和非西班牙裔白人之间有很强的正相关R值为。9959。西班牙裔群体和亚太岛民群体,都比非西班牙裔白人群体的平均水平低一些,但由于样本量较小,波动性更大。OneFlorida的数据尤其如此。一个条件 | 条件B | 患者人数,n (%) | ||
OneFlorida 2013 (N=40,087) | OneFlorida 2012-2016 (N=147,900) | Hcup nis 2013 (n =2,447,640) | ||
高脂血症 | 高血压 | 19452 (48.52) | 73732 (49.85) | 960388 (39.23) |
高血压 | 缺血性心脏病 | 16672 (41.58) | 56945 (38.50) | 745865 (30.47) |
糖尿病 | 高血压 | 13410 (33.45) | 49079 (33.18) | 698256 (28.53) |
慢性肾病 | 高血压 | 11727 (29.25) | 45482 (30.75) | 671397 (27.43) |
贫血 | 高血压 | 12898 (32.17) | 49566 (33.51) | 631247 (25.79) |
高脂血症 | 缺血性心脏病 | 12041 (30.04) | 43100 (29.14) | 530768 (21.68) |
心脏衰竭 | 高血压 | 7452 (18.59) | 28625 (19.35) | 490243 (20.03) |
心房纤颤 | 高血压 | 9109 (22.72) | 33851 (22.89) | 486609 (19.88) |
糖尿病 | 高脂血症 | 10738 (26.79) | 38023 (25.71) | 449597 (18.37) |
高血压 | 慢性阻塞性肺病和支气管扩张 | 7180 (17.91) | 27285 (18.45) | 414983 (16.95) |
讨论
主要研究结果
本研究的主要目的是利用OneFlorida数据信托和HCUP的NIS,比较佛罗里达州和美国全国老年人中常见cc和mcc的患病率。结果显示,无论是在全国还是在佛罗里达州的人群中,cc和mcc在老年人中普遍存在。在OneFlorida数据信托和HCUP NIS中,老年人中最普遍的cc是相同的。在高血压方面,2013年OneFlorida数据信托基金和NIS之间估计的最大差异仅为85岁及以上的非西班牙裔白人女性和65岁至74岁的男性的3%。在mcc数量方面,OneFlorida Data Trust和NIS在性别和种族或民族方面没有表现出任何显著差异。在OneFlorida 2013年、NIS 2013年和OneFlorida 2012年至2016年,2个cc中最常见的mcc也相同。关于MCC趋势,两个数据源中反映2种或2种以上条件的排放数量增长趋势的斜率非常相似。在整个时间范围内,年龄最大的年龄组(85岁以上)似乎比75至84岁年龄组高出约4个百分点,比65至75岁年龄组高出12个百分点。尽管观察到轻微差异,但OneFlorida数据信托公司和NIS对cc和mcc患病率的相似估计表明,OneFlorida等大型临床研究网络为进行大规模二级数据分析提供了丰富的数据资源。
虽然本研究中提出的MCC患病率可推广到非机构化国家人口中的美国老年人,但OneFlorida数据信托和HCUP NIS的使用具有局限性。OneFlorida和NIS都只捕获了住院环境中由医生或卫生专业人员确认的疾病,这可能导致住院护理中未诊断或未记录的疾病的代表性不足(例如关节炎[
])。许多没有保险的成年人直到65岁才有资格享受医疗保险时才会进入这些数据库。无证移民永远不会被纳入医疗保险。例如,在一项自我报告的全国性调查中报告的关节炎患病率几乎是在一项研究中报告的住院患者临床数据中关节炎患病率的两倍 .在捕获的条件中,我们只使用来自医疗保险和医疗补助服务中心(CMS)的CCW算法,并在识别患有这种条件的患者时考虑特定条件的诊断代码的单一出现。分析中可能包含假阳性病例。此外,尽管OneFlorida临床研究联盟[ ]覆盖了大约48%的佛罗里达人的医疗保健,该财团缺少来自佛罗里达州几个主要医疗保健市场的代表,如坦帕市和佛罗里达州狭长地带的城市。此外,在佛罗里达州,cc的流行程度可能被高估了,因为在OneFlorida联盟的不同医疗保健组织之间可能存在重复的患者记录。例如,来自医疗保健提供者的电子病历和来自支付方的索赔数据可以有同一患者的记录。此外,同一患者可以在网络中的不同医疗机构寻求治疗。因此,在临床研究网络中链接相关数据并解析重复数据是提高数据集质量的一项重要任务。在我们最近的努力中,我们在OneFlorida财团(佛罗里达大学卫生系统和佛罗里达医疗补助)的2个数据源之间链接和重复数据删除了患者记录。我们在这两个来源中消除了430,106个重复的患者记录,约占佛罗里达州医疗补助人口的6.4%。我们的研究证实了之前的文献[
]并显示在美国老年人中mcs患病率呈上升趋势。我们还表明,在OneFlorida等临床研究网络中,患者群体的特征与国家级别的样本数据相当。此外,这些临床研究网络集成了来自多个卫生保健组织的患者的细粒度细节(例如,遭遇、程序、诊断、药物、实验室结果以及患者报告的结果),可以提供患者健康特征的更完整的图像。在OneFlorida等临床研究网络的支持下,可以进行大规模的二级数据分析,以发现生物医学研究中的新发现,例如疾病、药物、生命体征、不良事件和结果之间的复杂关系。影响及未来发展方向
OneFlorida数据信托是支持实用试验、比较有效性研究、实施科学和OneFlorida临床研究联盟的其他研究的信息学基础设施。OneFlorida和PCORnet支持的最关键的研究功能包括队列发现和参与者登记,认识到在临床研究研究中识别和招募研究参与者的障碍,特别是罕见疾病。此外,临床研究的人群代表性一直是人们关注的问题[
].特别是,据广泛报道,老年人在心血管疾病等主要疾病的临床研究中代表性不足[ , ]、癌症[ , ]、痴呆症[ ]和糖尿病[ , ].由于临床实践指南中缺乏治疗老年mcs的证据,因此必须通过涉及患有正常年龄相关器官损伤和可能与研究治疗不相互作用的共病的老年人来获得此类证据。然而,在临床研究中,老年人常常被限制性的资格标准不公平地排除在外[ , ].同时,MCCs在医保人群中最为普遍。有mcc的人死亡、发病、住院、高昂的医疗费用和不良事件的风险增加[ ].为了了解患有mcs的老年人在临床试验中的表现,了解老年人中mcs的患病率是很重要的。在未来的工作中,我们将使用实验室检测结果和药物来提高某些情况下病例分配的敏感性和特异性。我们还将OneFlorida数据信托的门诊数据与全国门诊数据库(如全国急诊科样本)进行比较。致谢
这项研究得到了佛罗里达州立大学成功长寿研究所的支持。这项工作还得到了OneFlorida临床数据网络的部分支持,该网络由PCORI #CDRN-1501-26692资助,部分由OneFlorida癌症控制联盟资助,由佛罗里达州卫生部的James和Esther King生物医学研究项目#4KB16资助,部分由佛罗里达大学临床和转化科学研究所支持,该研究所部分由NIH国家转化科学推进中心支持,奖励号为UL1TR001427。内容仅为作者的责任,并不代表PCORI、其理事会或方法论、OneFlorida临床研究联盟、佛罗里达大学临床和转化科学研究所、佛罗里达卫生部或美国国立卫生研究院的官方观点。
利益冲突
没有宣布。
参考文献
- Schneider KM, O' donnell BE, Dean D.美国医疗保险人群中多种慢性疾病的患病率。健康质量生命结果2009年9月08日;7:82 [免费全文] [CrossRef] [Medline]
- Vogeli C, Shields AE, Lee TA, Gibson TB, Marder WD, Weiss KB,等。多种慢性疾病:患病率、健康后果以及对质量、护理管理和成本的影响。J Gen Intern Med 2007 Dec;22(增刊3):391-395 [免费全文] [CrossRef] [Medline]
- 老龄化相关统计联邦机构间论坛。2016年美国老年人-幸福的关键指标2016年老龄化相关统计联邦跨机构论坛https://agingstats.gov/docs/LatestReport/Older-Americans-2016-Key-Indicators-of-WellBeing.pdf[WebCite缓存]
- 弗莱德VM,伯恩斯坦AB,布什MA。45岁及以上成年人的多种慢性疾病:过去10年的趋势。国家卫生统计中心数据摘要2012年7月(100):1-8 [免费全文] [Medline]
- 沃德BW,席勒JS。美国成年人中多种慢性疾病的患病率:2010年全国健康访谈调查的估计。慢性疾病2013年4月25日;10:E65 [免费全文] [CrossRef] [Medline]
- Ashman JJ, Beresovsky V.访问医生办公室的美国成年人中的多种慢性疾病:数据来自2009年全国门诊医疗调查。先前慢性疾病2013年4月25日;10:E64 [免费全文] [CrossRef] [Medline]
- 何忠,N Charness,卞杰,Hogan WR。评估临床研究和老年患者人群患病率之间的共病差距。IEEE EMBS Int Conf Biomed Health Inform 2016年2月;2016:136-139 [免费全文] [CrossRef] [Medline]
- 李国强,李国强。HITECH法案推动了医院电子健康记录的采用。卫生Aff (Millwood) 2017年8月01日;36(8):1416-1422。[CrossRef] [Medline]
- 陈晓明,陈晓明,陈晓明。2016.国家卫生信息技术协调办公室。2008-2015年美国非联邦急症护理医院采用电子健康记录系统https://dashboard.healthit.gov/evaluations/data-briefs/non-federal-acute-care-hospital-ehr-adoption-2008-2015.php[WebCite缓存]
- PracticeFusion。2017.人力资源采用率:20个必看统计数据https://www.practicefusion.com/blog/ehr-adoption-rates/[WebCite缓存]
- Paul MM, Greene CM, Newton-Dame R, Thorpe LE, Perlman SE, McVeigh KH,等。使用电子健康档案进行人口健康监测的现状:叙述回顾。大众健康管理2015年6月;18(3):209-216。[CrossRef] [Medline]
- Klompas M, Cocoros NM, Menchaca JT, Erani D, Hafer E, Herrick B,等。使用电子健康记录系统进行州和地方慢性病监测。中国卫生杂志2017年9月27日,第1期,第2期。[CrossRef] [Medline]
- 伯克GS。电子健康记录在慢性疾病监测中的成功和持续挑战。中国公共卫生杂志,2017年9月;107(9):1365-1367。[CrossRef] [Medline]
- 帕尔曼SE,麦克维KH,索普LE,雅各布森L,格林CM,格温RC。人口健康监测创新:利用电子健康档案进行慢性病监测。美国公共卫生杂志2017年6月;107(6):853-857。[CrossRef] [Medline]
- 翁c, Batres C, Borda T, Weiskopf NG, Wilcox AB, Bigger JT,等。实时筛查警报可提高患者招募效率。AMIA年度诉讼程序2011;2011:1489-1498 [免费全文] [Medline]
- 王晓明,王晓明,王晓明。出生月份对疾病风险的影响:基于全现象的方法。美国医学信息学会2015年9月22日(5):1042-1053 [免费全文] [CrossRef] [Medline]
- 弗洛伦斯RL,柯蒂斯LH,卡利夫RM,普拉特R,塞尔比JV,布朗JS。启动以患者为中心的全国临床研究网络PCORnet。中国医学信息杂志2014;21(4):578-582 [免费全文] [CrossRef] [Medline]
- Curtis LH, Brown J, Platt R.四个健康数据网络说明了共享国家多用途大数据网络的潜力。卫生Aff (Millwood) 2014 7月;33(7):1178-1186。[CrossRef] [Medline]
- Collins FS, Hudson KL, Briggs JP, Lauer MS. PCORnet:把梦想变成现实。中国医学信息杂志2014;21(4):576-577 [免费全文] [CrossRef] [Medline]
- Corley DA, Feigelson HS, Lieu TA, McGlynn EA.构建数据基础设施以评估和提高质量:PCORnet。J Oncol实用杂志2015年5月;11(3):204-206 [免费全文] [CrossRef] [Medline]
- 弗洛伦斯RL,比尔AC,谢里丹SE,约翰逊LB,塞尔比JV。患者驱动的研究网络旨在改善患者护理和健康研究。卫生Aff (Millwood) 2014年7月;33(7):1212-1219。[CrossRef] [Medline]
- pcornet。PCORnet,国家以患者为中心的临床研究网络网址:http://pcornet.org/[访问时间:2017-09-13][WebCite缓存]
- 埃尔南德斯AF,弗洛伦斯RL,罗斯曼RL。适应性试验与PCORnet:揭示一种新的研究范式。安实习医学2015年10月20日;163(8):635-636。[CrossRef] [Medline]
- 林kj, Singer DE, Glynn RJ, Murphy SN, Lii J, Schneeweiss S.识别数据完整性高的患者以提高电子病历数据比较有效性研究的有效性。2018年临床药物学研究:-(即将到来)(即将到来)。[CrossRef] [Medline]
- Reams C, Powell M, Edwards R.州协同作用和疾病监测:创建肯塔基州癌症报告和比较有效性研究的电子健康数据通信模型。EGEMS (Wash DC) 2014;2(2):1064 [免费全文] [CrossRef] [Medline]
- Fiks AG, Grundmeier RW, Steffes J, Adams WG, Kaelber DC, Pace WD,通过协作电子报告(CER2)联盟进行比较有效性研究。通过协作电子报告联盟进行比较有效性研究。儿科学2015年7月;136(1):e215-e224 [免费全文] [CrossRef] [Medline]
- 莫H,汤普森WK,吕拉斯穆森,帕切科JA,江G,基弗R,等。需要电子健康记录驱动的表型算法的可计算表示。J Am Med Inform association 2015年11月;22(6):1220-1230 [免费全文] [CrossRef] [Medline]
- 何勇,何永华,赵凯,贾齐亚诺,等。从电子健康记录数据定义队列研究基线的产量和偏倚。J Biomed Inform 2018 Feb;78:54-59。[CrossRef] [Medline]
- Abrahão MT, Nobre MR, Gutierrez MA。一种从电子健康记录系统中心血管疾病记录的队列选择方法。Int J Med Inform 2017年12月;102:138-149。[CrossRef] [Medline]
- Sidebottom AC, Johnson PJ, VanWormer JJ, Sillah A, Winden TJ, Boucher JL。探索电子健康档案作为心血管疾病危险因素的人群健康监测工具。大众健康杂志2015年4月18日(2):79-85。[CrossRef] [Medline]
- McVeigh KH, Newton-Dame R, Chan PY, Thorpe LE, Schreibstein L, Tatem KS,等。电子健康记录可以用于人口健康监测吗?根据已建立的调查数据验证人口健康指标。EGEMS(华盛顿特区)2016;4(1):1267 [免费全文] [CrossRef] [Medline]
- OneFlorida。2016.OneFlorida:临床研究联盟http://onefloridaconsortium.org[WebCite缓存]
- PCORnet。2016.PCORnet通用数据模型(CDM)http://www.pcornet.org/pcornet-common-data-model[WebCite缓存]
- 医疗保健研究与质量机构,2017。全国(全国)住院患者样本(NIS)概述https://www.hcup-us.ahrq.gov/nisoverview.jsp[WebCite缓存]
- 医疗保险和医疗补助服务中心,2016。CCW慢性病数据仓库中的慢性病算法网址:https://www.ccwdata.org/web/guest/condition-categories[WebCite缓存]
- 炎症性肠病患者的住院费用、住院时间和髋关节置换术的患病率。World J Gastroenterol 2017 july 14;23(26):4752-4758 [免费全文] [CrossRef] [Medline]
- Wilson D, Jin DL, Wen T, Carmichael JD, cens, Mack WJ,等。人口统计学因素、结果和患者接受经蝶窦手术治疗库欣病:2002 - 2010年全国住院患者样本分析神经外科焦点2015 Feb;38(2):E2。[CrossRef] [Medline]
- 霍尔甘米Z, Aminian A,肖尔S, Andalib A, Saber AA, Schauer PR,等。减肥手术费用及相关因素增加:全国住院患者样本分析。外科杂志2017年8月13(8):1284-1289。[CrossRef] [Medline]
- Spector WD, Limcangco R, Furukawa MF, Encinosa WE。与住院期间接触抗凝剂和降糖药相关的药物不良事件的边际成本医疗护理2017年9月55日(9):856-863。[CrossRef] [Medline]
- Balla A, Batista RG, Corradetti S, Balagué C, Fernández-Ananín S, Targarona EM.根据大型数据库进行减肥手术后的结果:一项系统综述。兰根贝克拱门外科2017年9月01日;402(6):885-899。[CrossRef] [Medline]
- OneFlorida。2017.OneFlorida临床研究联盟合作伙伴https://www.ctsi.ufl.edu/research-initiatives/projects/oneflorida[WebCite缓存]
- 《纽约时报》,2013。临床试验有效吗?URL:http://www.nytimes.com/2013/07/14/opinion/sunday/do-clinical-trials-work.html[WebCite缓存]
- Lee PY, Alexander KP, Hammill BG, Pasquali SK, Peterson ED.老年人和妇女在已发表的急性冠脉综合征随机试验中的代表性。中华医学会医学杂志2001年8月8日;26(6):457 - 457。[Medline]
- Sardar MR, Badri M, Prince CT, Seltzer J, Kowey PR.用于心血管指南的随机试验中女性、老年患者和少数民族代表性不足。JAMA实习生2014年11月;174(11):1868-1870。[CrossRef] [Medline]
- 哈钦斯LF,昂格JM,克劳利JJ,科尔特曼CA,阿尔班KS。65岁或以上的患者在癌症治疗试验中的代表性不足。中华医学杂志1999年12月30日;341(27):2061-2067。[CrossRef] [Medline]
- Lewis JH, Kilgore ML, Goldman DP, Trimble EL, Kaplan R, Montello MJ,等。65岁或以上患者参与癌症临床试验。中华临床医学杂志2004,01;21(7):1383-1389。[CrossRef] [Medline]
- Schoenmaker N, Van Gool WA。临床研究和普通人群患者之间的年龄差距:痴呆症研究的一个陷阱。《柳叶刀神经科学》2004年10月3日(10):627-630。[CrossRef] [Medline]
- Cigolle CT, Blaum CS, Halter JB预防老年人糖尿病和心血管疾病。临床老年医学2009年11月25日(4):607-41,vii。[CrossRef] [Medline]
- 何忠,王淑娟,王志强,王志强,等。相关临床研究人群代表性的多因素分析。J Biomed Inform 2016年4月;60:66-76 [免费全文] [CrossRef] [Medline]
- Beers E, Moerkerken DC, Leufkens HG, Egberts TC, Jansen PA。老年人参与最近批准的药物的预授权试验。中国老年医学杂志2014年10月;62(10):1883-1890。[CrossRef] [Medline]
- Szlejf C, Farfel JM, Curiati JA, Couto Jr ED, Jacob-Filho W, Azevedo RS.老年住院患者的医疗不良事件:一项前瞻性研究。诊所(圣保罗)2012年11月;67(11):1247-1252 [免费全文] [Medline]
缩写
答:慢性疾病 |
公约:慢性病仓库 |
清洁发展机制:公共数据模型 |
CDRN:临床数据研究网络 |
CMS:医疗保险和医疗补助服务中心 |
电子健康档案:电子健康记录 |
HCUP:医疗保健成本和利用项目 |
高科技:经济和临床健康卫生信息技术 |
ICD:《国际疾病分类》 |
世纪挑战集团:多种慢性疾病 |
尼克-海德菲尔德:非西班牙裔 |
NIS:全国住院病人样本 |
PCORnet:以患者为中心的临床研究网络 |
PCORI:以病人为中心的结果研究所 |
中移动:研究问题 |
G·艾森巴赫(G Eysenbach)编辑;提交13.09.17;作者:R Zhang, I de la Torre, S Wang, B Ward;对作者10.12.17的评论;修订本收到20.01.18;接受15.02.18;发表12.04.18
版权©何哲,边江,Henry J Carretta, Jiwon Lee, William R Hogan, Elizabeth Shenkman, Neil Charness。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2018年4月12日。
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。