在青少年艾滋病毒/艾滋病干预试验网络实施科学研究中，使用电子健康记录进行级联监测和成本估算的可行性

介绍

背景

在过去的十年里，我们在美国预防艾滋病毒感染方面取得了实质性进展，联邦政府最近发布了一项到2030年在美国结束艾滋病毒流行的国家战略计划[1]。然而，在防治艾滋病毒和艾滋病流行病的斗争中，最困难的领域之一是接触青年。在美国，2016年39,782例新的艾滋病毒诊断中，约有21%发生在13至24岁的青少年中[2]。除非我们触及这一年龄组，否则我们将无法结束美国的艾滋病毒流行。然而，预防新的艾滋病毒阳性诊断需要双管齐下，因为预防必须覆盖有感染艾滋病毒风险的青年，治疗必须覆盖已经感染艾滋病毒的人。后者是一个经常被忽视的群体[3.];然而，如果不解决青年问题，我们就无法战胜美国的艾滋病毒流行治疗级联(即艾滋病毒检测和诊断、与护理的联系以及病毒抑制)问题。

国家一级的战略规定了与艾滋病毒早期诊断和有效护理有关的目标。疾病控制和预防中心(CDC)艾滋病毒护理连续体确定了从一个人得到艾滋病毒诊断到用艾滋病毒药物成功治疗其感染的一系列动态步骤[4]。艾滋病毒护理连续体包括实现病毒抑制所需的几个步骤。具体来说，CDC追踪的对象有:(1)被诊断出患有艾滋病毒，(2)与护理相关，在得知自己是艾滋病毒阳性后的一个月内拜访过艾滋病毒保健提供者，(3)接受或继续接受艾滋病毒感染的护理，以及(4)病毒抑制，他们的艾滋病毒载量(VL)处于非常低的水平。虽然艾滋病毒护理连续体通常呈现为一个静态框架，但艾滋病毒阳性的个人经常以不同的步骤退出和重新进入连续体[5]。虽然在概念上相对简单，但系统地监测艾滋病毒治疗级联的规划实施相当具有挑战性[6]。尽管事实上，研究已经使用了研究协调员级联变量的数据输入为同意的参与者[7]，这并不能充分反映在青少年艾滋病毒/艾滋病干预试验网络(ATN)诊所中可能不同意此类试验的青少年的范围。到目前为止，还没有发表关于使用电子健康记录(EHRs)的多站点青年级联变量的研究。为此，ATN内的一个合作项目“扩大规模”(SIU)旨在通过混合实施试验，实践以证据为基础的自我管理干预措施，从而对青年艾滋病预防和护理产生积极影响。

目标

级联监测(CM)协议(ATN协议154)旨在使用电子病历监测ATN内的级联，并提供纵向有效性结果和成本估算[8]。atn154的第一个目标和本报告的目的是评估评估青少年艾滋病毒治疗级联的可行性[9在使用电子病历下载的ATN内与护理相关的人群中。为此，本研究旨在评估利用电子病历下载获取ATN诊所青少年HIV治疗级联的关键临床指标和监测治疗、病毒抑制和滞留成分的可行性。此外，本研究将使用来自10个研究站点的第一批数据来估计每次访问的成本并提供基线研究参与者特征。

方法

伦理批准

根据伦理标准，SIU CM研究(atn154)通过佛罗里达州立大学单一机构审查委员会的快速审查程序获得批准(批准号IRB00000446)。本研究的所有程序均符合机构审查委员会的道德标准。

研究地点

从10个临床站点(也称为受试者招募地点)回顾性收集有限的电子病历数据，参与SIU:(1)马里兰州巴尔的摩的约翰霍普金斯大学;(2)阿拉巴马大学伯明翰分校，阿拉巴马州伯明翰;(3)纽约州立大学下州医疗中心，布鲁克林，纽约;(4)洛杉矶儿童医院，加州洛杉矶;(5)田纳西州孟菲斯圣裘德儿童研究医院;(6)迈阿密大学，佛罗里达州迈阿密;(7)费城儿童医院，宾夕法尼亚州费城;(8)加州大学圣地亚哥分校，加州圣地亚哥;(9)南佛罗里达大学，坦帕，佛罗里达州;(10)哥伦比亚特区华盛顿儿童国家健康系统。

第一个数据摘录要求2016年全年的治疗访问以及在现场接受治疗的所有15至24岁感染艾滋病毒/艾滋病的青年的相关护理数据。随后，每年从各站点收到1年的数据EHR摘录，最后一年的数据在2022年上传，为2021年全年。需要一组变量的数据，这些变量在2016年被认为是不变的(人口统计数据)，以及应该捕获多个年度值以测量处理级联变化的变量。要求的变量包括人口统计学(年龄、性别、种族和民族)、身高、体重、《国际疾病和相关健康问题统计分类第十次修订版》(ICD-10)代码和现行程序术语(CPT)代码。请求变量的完整列表已在其他地方发布[8]，也包含在多媒体附录1．

研究临床措施

电子病历数据系统地从多个临床站点获得，并用于有意义地捕捉临床特征(包括病毒抑制)、抗逆转录病毒药物(ARVs)的起始治疗和保留治疗，这是CDC基于诊断的艾滋病毒护理连续措施的一部分(多媒体附录2) [10]。四项CDC治疗级联措施中的两项-保留护理和病毒抑制-使用常规EHR数据进行评估。为留置护理测量中，我们使用CDC定义的CD4或VL检测的实验室访问间隔>190天(约3个月)来指示不理想的实验室访问模式。我们能够获得实验室访问日期，并使用随后一年的数据来确定参与者是否保留护理。病毒抑制定义为基线VL无法检测。个别研究地点使用的实验室具有不同的VL最低可检测限度;因此，本研究记录了每个研究地点定义的不可检测的VL。使用电子病历数据计算的其他措施包括抗逆转录病毒药物使用百分比和艾滋病状况。抗逆转录病毒药物治疗(%)定义为至少有一个记录的抗逆转录病毒治疗(ART)处方的患者百分比。电子病历中的数据不能让我们估计患者对抗逆转录病毒药物的依从性，因为电子病历中没有记录依从性，而且只记录了开具的处方，而没有记录处方填充物。艾滋病的现状CD4 t细胞绝对计数<200。

研究地点EHR数据提取过程的可行性

多个电子病历平台可用于计算机化输入患者医疗信息。尽管对EHR平台的仔细检查很重要，但没有收集到关于EHR软件类型的信息，因为CM研究的目的是检查跨多个EHR系统中与CM数据相关的临床和成本数据的标准化提取的可行性。通过对研究协调员关于EHR变量捕获一致性的访谈，9个变量被认为是主要的，可以一致地计算。如果有的话，提供了以下信息:就诊日期、年龄、性别、身高、体重、种族、民族、VL和其他诊断的ICD-10代码。数据在Excel (Microsoft Corporation)中以逗号分隔的文件形式请求。由于站点对文件提取的本地技术支持的访问方式非常不同，因此文件结构由站点自行决定，以减轻站点工作人员的工作量。为每个站点提供了一个示例研究数据字典来支持数据提取。本文档展示了如何以最佳方式定义和交付变量。然而，这10个站点的实际提取文件在设计、组织、变量定义和完整性方面各不相同。文件必须包含最小的主要变量，用特定地点的患者标识符进行标识，并提供一份报告，解释变量丢失的原因。 CM study personnel received and approved a variable checklist for each site before the data were approved for uploading. Upon initial receipt of the 2016 data, the data were checked for patterns of variable missingness, congruence with the data request, and the presence of variables for linking relational data by anonymous patient identifiers.

数据管理

一旦为站点验证了数据提取，就会清理数据并将其转换为通用的数据模型格式。大多数数据清理和公共数据模型文件的构建使用SAS(版本9.4;SAS Institute Inc)。一旦清理了所有站点的文件，并将变量值转换为适合CM研究的公共数据模型，我们就构建了一个基线人口统计学平面文件，其中每个患者有一个观察结果，并根据就诊(实验室检查或处方)日期组织了一组相关垂直文件。我们建立了单独的就诊、化验值、抗逆转录病毒药物和其他药物的档案。访问文件包含所有CPT和ICD-10诊断代码，并形成了每次就诊成本值的基础。

数据分析

成本信息对于评估是否有可能使用来自电子病历数据的CPT代码产生就诊成本权重，而不是提取通常难以从诊所获得的账单和管理数据是必要的。估算成本的能力对于在临床站点的护理过程中测量资源使用和效率的变化是重要的。一旦收集到更多的数据，将使用时间驱动的基于作业的成本计算方法来审查这些估计费用的有效性。我们使用一种标准的成本计算方法来为每次遭遇分配成本值，因为EHR数据很少包含成本数据。单个站点的成本数据通常位于Charge Master文件中，该文件随着站点价格的变化而更新。Charge Master文件使用诊所会计数据系统合并为一次访问的计费费用。因此，EHR数据本身不包含成本数据，但可以通过将CPT代码与标准成本数据结合使用来识别每个事件的成本。这种方法降低了个别地点成本估算的内部效度，但大大提高了估算任何资源使用和地点之间成本差异的效度，并提高了使用研究成本进行的经济估算的外部效度[11]。每个就诊记录中的CPT代码用于根据2016年美国所有医疗实践公布的CPT代码的中位数收费来分配就诊成本[12]。

进行探索性数据分析，以了解可用数据的广度和特异性。生成了描述性统计数据，包括集中趋势测量，以识别异常值并跟踪数据一致性，以便将来下载。本研究首次对2016年的数据进行了描述性分析，作为本研究通用数据模型开发的一部分。使用SAS (version 9.4)进行分析。组间比较采用分类变量卡方检验和2- tallie检验t检验(正态分布)或曼惠特尼检验U或连续变量的Wilcoxon检验(非正态分布)。

结果

研究网站可变下载的可行性

母SIU研究于2017年12月在10个临床地点启动，2016年EHR数据将于2017年1月31日公布。现场工作人员经常报告说，数据提交延迟的主要原因是缺乏与信息技术和数据管理专家的持续联系。虽然各站点获取和准备数据的时间长短不一(2-6个月)，但所有站点都在2018年5月之前成功向指定的数据存储库提交了数据。监测护理级联的主要变量包括就诊日期、年龄、性别、身高、体重、种族、民族、VL和其他诊断的ICD-10代码。总体而言，70%(7/10)的站点通过从其电子病历系统中提取电子记录来提供主要变量的数据。其余站点使用手动数据提取提供主要变量。

数据清理和将数据转换为通用数据模型格式的过程是一个极其劳动密集型的过程，需要超过400小时的专家编程和数据管理工作。更重要的是，它需要具有信息学编程专业知识的个人与具有艾滋病毒特定治疗数据经验的研究人员之间进行广泛的磋商。将数据转换为公共可分析数据模型所需的工作量是出乎意料的。一些最耗时的任务是需要的，因为一个站点的电子病历系统没有对许多变量使用明确定义的统一值。某些人口统计变量(性别、性别、种族和民族)的定义在站点的数据下载中因手工输入变量、使用大小写、代码和叙述性描述而有所不同。包含ICD-10诊断代码和CPT代码的访问变量通常会出现问题，因为它们有时被提取为字符串变量，由空格和分号混合分隔。药物档案尤其耗费人力，因为类似的药物有不同的名称、拼写、缩写以及大写和连字符的模式。实验室检查对VL和CD4细胞计数有不同的定义，其他实验室检查的名称差异很大，有时不能明确识别。通过查询站点信息和使用为此目的编写的特定于站点的详细清理程序，解决了这些困难。实验室对VL的最低检测限度各不相同; therefore, this study records undetectable VL as defined by each study site.

基线参与者特征

2016年共纳入1093例患者(表1）.人口统计变量缺失值的频率最低(4%-5%)。17.75%(194/1093)患者无ARV用药记录。6.40%(70/1093)的患者VL缺失。如果缺少该变量，则在现场手工提取，这表明一些患者没有将VL记录作为结构化数据输入其EHR系统。约28.81%(315/1093)的病例缺少CD4细胞计数，这是衡量免疫状态的重要指标。但是，我们不要求手工提取该变量，因此有可能许多患者的CD4细胞测试是在外部实验室进行的，并将结果作为报告上传。如果我们需要使用这个变量来测量免疫状态随时间的变化，那么在不可能进行电子提取的情况下，通过手工提取所需的CD4细胞计数可能很重要。

病人护理连续结局

4项CDC治疗级联措施中只有2项可以使用常规电子病历数据进行评估。电子病历数据不足以监测艾滋病毒检测或与护理的联系，因为没有分母数据。然而，这些数据很好地用于衡量抗逆转录病毒治疗的开始，并足以用于治疗中的保留。用于指示CD4或VL测试的低于最佳保留访问模式的标准详见方法部分。在此标准的基础上，约82.97%(887/1069)的患者符合实验室就诊次数的最低标准。2016年，我们的患者队列平均每年有5.4次(SD 4.6)实验室就诊，就诊记录范围为1至>150次。所有处方抗逆转录病毒药物和其他药物都被要求提供给研究参与者。在能够提取用药记录的站点中，98.3%(884/899)的患者至少有一次ARV处方用药记录。这一发现符合联合国艾滋病毒联合规划署提出的目标，即到2020年90%的艾滋病毒确诊感染者接受持续的抗逆转录病毒治疗[13]。

我们比较了基线VL无法检测到的患者和VL值高于其中心VL测试检测水平的患者(表2）.少数民族和少数民族患者更容易检测到VL (P= 0.03)， 77.9%(313/402)的VL可检出患者为黑人或非裔美国人，而72.6%(355/489)的VL不可检出患者为黑人或非裔美国人。研究结果显示，VL患者的免疫标记值较差。45.6%(194/424)患者的平均VL >10,000, 29%(41/141)的CD4细胞计数将其归类为艾滋病。此外，在基线VL抑制组中，少数患者(7/521,1.3%)的CD4细胞计数也将其归类为艾滋病。

平均CD4细胞计数为619 (SD 310)，说明在945例CD4细胞计数值较高的患者中，许多患者免疫状态较好。然而，5.7%(54/945)的患者CD4细胞计数基线值<200,CDC将其归类为艾滋病。据报道，55.1%(521/945)的患者无法检测到VL负担。然而，在所有有VL记录的患者中，共有20.5%(194/945)的基线VL(2016年首次获得VL) >10,000拷贝/mL。

讨论

主要研究结果

在准备这项研究时，很明显，一些被考虑纳入的地点无法提供具体的变量。因此，研究小组确定了9个强制性变量，必须提供这些变量的信息才能使站点留在研究中。这些强制性变量(用于监测治疗级联)包括:(1)VL，(2)就诊日期，(3)年龄，(4)体重，(5)身高，(6)ICD-10和CPT代码，(7)性别，(8)种族，(9)民族。在大多数情况下，这些站点能够提供有关所需数据的信息。电子病历数据的使用在评估已完成的预约模式方面是有效的。然而，在大多数情况下，这些数据不足以确定错过的预约模式，因为这些错过没有在电子病历系统中捕获。并非在所有情况下均可直接以电子方式下载;然而，我们的数据管理团队能够与站点一起开发一个成功的数据抽象计划。能够很好地访问数据管理资源的站点可以更有效地为CM工作。然而，我们不知道研究地点的IT资源。 Many clinic site personnel shared with the study investigators that they were not sure who to contact for help or how much help they could expect from their IT service group. Clinical staff members at many sites have little day-to-day contact with IT data specialists. This is an important issue that should be part of the selection process when looking for site partners for clinical studies that plan to use EHR data. Study planners should determine the feasibility of additional funding for organizations in need of additional IT or data management resources because these needs are not always obvious at the planning stage.

作为CM研究的一部分，电子病历使用的一些障碍和经验教训已经暴露出来。首先，需要的变量是可见给临床医生的电子病历用户界面可能不方便电子下载。许多重要的变量是叙事文本的一部分，或者只是没有被记录为结构化数据。VL、身高和体重是诊所记录或供应商在非现场执行的测试结果的PDF文件中包含的信息示例，并且只能作为扫描报告提供。一项艾滋病毒监测研究发现，数据来源之间在估计护理参与和病毒抑制方面的差异表明，实验室报告不完整，患者接受的护理来自多个提供者[14]。这些发现突出了与治疗CM和监测相关的信息的潜在不可获得性指示板施工不可行。一些数据要求手抽，网站很难找到相关数据。患者的身高通常没有记录，这使得很难确定重要的指标，如超重、肥胖或BMI。实验室数据摘录可能缺乏重要的定义正常的．不可检测的VL尤其难以在通用数据模型中标准化，因为实验室的定义根据所使用的测试类型而变化。青年艾滋病毒感染者的一些重要特征未被记录。性伴侣偏好或性取向在诊所中没有常规记录。性有时以性别表示，有时以生理性别表示。缺失数据很常见，对于缺失数据的解释也很少，但我们对比2016年和2017年的数据发现，1年内缺失值的变量如果随后出现，往往在正常范围内，因此我们怀疑它们很可能是随机缺失的。这意味着目前处理缺失数据的统计方法可能不是用于电子病历数据研究的好选择。此外，在诊症期间所提供的资料，可能与电子病历所载的资料有出入。[15]，并且有关参与的重要信息没有被捕获或容易获取。感染艾滋病毒的青少年电子病历中的许多重要信息位于非结构化数据中，如医生、护士或社会工作者的笔记。数据格式化和手工清理都不能解决这种缺乏结构化数据的问题。可能需要的是文本识别软件和自然语言处理方法。然而，这些方法成本高昂，并且在数据去识别方面存在问题。

研究结果表明，在这个感染艾滋病毒的非常年轻的人群中存在着巨大的疾病负担。然而，电子病历数据可以系统地从多个临床站点获得，并用于有意义地捕获疾病预防控制中心的连续护理措施。此外，本研究使用附于CPT代码的标准成本值来估计每次就诊的成本。这种方法描述了地点之间的价格差异，并证明了成本估算的内部和外部有效性。据我们所知，这是第一个使用这种方法的电子病历研究。

如前所述，为了充分受益于艾滋病毒治疗的进展，青年必须积极参与治疗梯级的每一步。尽管电子病历充分捕捉了病理和健康的许多其他方面，但事实证明，获得有关患者活动和治疗结果的有意义的指标(例如，遵守预约和按规定服用抗逆转录病毒药物)更为困难。在其他建议中，Newman-Griffis等[16]建议采取具体行动，以改善整个护理连续过程中活动和参与信息的捕获和分析，包括(1)使活动和参与注释标准和数据集可供更广泛的研究界使用，以及(2)建立如何以及何时记录临床接触期间的活动和参与状态的标准。需要采用一种数据驱动的办法，利用卫生信息学方面的现有技术，提取有关功能、特别是活动和参与的信息[16，17]。

结论

作为CM研究的一部分，这项工作极大地促进了我们对使用电子病历数据监测青少年感染艾滋病毒治疗级联的优缺点的理解。对研究第一年数据的分析表明，电子病历数据可以从不同地点提取，并转换为可分析的数据集，能够监测艾滋病毒治疗级联中的重要变量。然而，任何此类努力的成功将完全取决于调查人员和场址工作人员与负责数据清理和标准化的研究小组之间的坚实合作。现场临床研究人员的支持对项目的成功至关重要，如果没有临床现场工作人员表现出的非凡的承诺和克服障碍的意愿，这项研究是不可能的。CM研究小组的工作量比预期的要大得多。然而，为转换2016年数据而进行的精心编程工作似乎得到了回报，因为2017年的数据已经下载，早期的清理工作表明，2016年进行的大部分工作都可用于2017年的数据下载。这是令人鼓舞的，表明前期在标准数据模型上的工作在随后几年的效率方面得到了回报。本研究提供了使用电子病历的试点数据，以确定感染艾滋病毒/艾滋病的青年是谁以及何时脱离级联，并提供了一种广泛、非侵入性和有效的方法来评估SIU干预是否改善级联结果。我们得出的结论是，尽管使用电子病历数据来治疗感染艾滋病毒的青年CM是一项劳动密集型工作，而且对于某些措施来说并不理想，但它对我们需要了解的监测护理保留情况的大部分内容都是有效的。因此，它有可能成为衡量在美国改善感染艾滋病毒的青年获得优质护理的机会这一目标是否实现的重要工具。

未来的发展方向

本研究的纵向设计将允许在2016年至2021年的整个研究时间内计算级联措施(ART处方、病毒抑制和护理保留)。此外，先进的分析程序将用于基于患者相关和临床特征的护理保留模型，从而创建感染艾滋病毒/艾滋病的青年患者表型。表型的创建将有助于识别与级联任何阶段的辍学相关的预测因素，并将用于估计级联结果预期的每个质量调整生命年的成本。作为确定青年艾滋病毒/艾滋病感染者级联中断的更大疾病成本负担的一部分，我们将使用电子病历表型和来自医疗补助或私人保险人群的档案数据来模拟其他实践环境中存在的级联中断的程度。这些数据将与个人成本权重相结合，以估计感染艾滋病毒/艾滋病的年轻人的级联破坏对美国社区造成的经济负担的变化。

随着表型的发展，我们将能够扩展我们的研究结果，利用大型国家数据库来识别青少年艾滋病毒/艾滋病患者治疗级联中的失误。这一过程将允许在全国范围内列举这些患者表型，并描述相关的年度护理经济成本。这将使我们能够确定社区之间有意义的差异，然后作为有针对性干预的基础。