本回顾性横断面研究使用了加拿大初级保健哨点监测网络(CPCSSN)提取和处理的EMR数据。在本研究进行时，来自加拿大7个省(不列颠哥伦比亚省、阿尔伯塔省、马尼托巴省、安大略省、魁北克省、新斯科舍省、纽芬兰和拉布拉多省)257家诊所的1574名同意的初级保健提供者(即家庭医生、执业护士和社区儿科医生)代表1,493,516名患者[gydF4y2Ba 3.gydF4y2Ba，gydF4y2Ba 7gydF4y2Ba］．gydF4y2Ba

CPCSSN存储库是一个泛加拿大数据集，每半年从区域实践研究网络更新一次。存储库中的数据包括来自加拿大各地使用11种不同EMR系统的初级保健提供者的未识别EMR数据。提取的EMR数据经过清洗和标准化，以将处方药映射到解剖治疗化学分类代码，将实验室检测映射到逻辑观察标识符名称和代码，将医学诊断映射到国际疾病分类，第九版，临床修改(ICD-9-CM)代码。CPCSSN存储库还包含与诊断、用药说明、过敏以及社会和行为风险因素相关的短诊断文本字段形式的非结构化数据。此外，一些区域网络，如曼尼托巴初级保健研究网络(MaPCReN)，也提取自由文本的遭遇记录，通过去识别算法来匿名化数据。遭遇记录是由初级保健提供者创建的叙述性条目，通常采用面向问题的医疗记录格式[gydF4y2Ba 8gydF4y2Ba］．MaPCReN代表了加拿大马尼托巴省48家诊所的266名同意的初级保健提供者。本研究访问了由结构化和短诊断文本字段组成的CPCSSN数据集，以及包含结构化、短诊断文本字段和自由文本遭遇记录的MaPCReN数据集。gydF4y2Ba

MaPCReN数据库包括289,523名患者，其中154,118名(52.23%)患者被认为是活跃患者，因为他们在过去两年内(2017年1月1日至2019年12月31日)见过初级保健提供者参与MaPCReN [gydF4y2Ba 25gydF4y2Ba］．除了所有患者可用的结构化和简短的诊断文本数据外，19.6%(56,795/289,523)的患者在MaPCReN存储库中有自由文本的就诊记录(2,125,961个就诊记录)。两名医科学生对来自MaPCReN存储库的一部分患者的医疗记录进行了完整的审查。审稿人被指示使用《精神障碍诊断与统计手册》第五版的标准[gydF4y2Ba 26gydF4y2Ba或特定的文件，以表明患者是否被诊断患有创伤后应激障碍。开发了一种数据提取表格，以捕捉患有创伤后应激障碍的患者及其相关体征或症状(gydF4y2Ba 多媒体附件1gydF4y2Ba)．gydF4y2Ba

为了创建用于病历审查的子集，我们在EMR健康状况表中确定了21713名患有以下ICD-9-CM代码中的一种以上的患者，EMR起始值为300(焦虑)、308(应激急性反应)、309(调节反应)或311(抑郁)。共有373例患者由2名学生回顾了完整的记录。2名医科学生对这21713名患者中的15127名(69.67%)完成了无自由文本的病历审查，以创建积极的参考集。为了确定没有PTSD的患者(阴性参考集)，2名医科学生随机选择患者进行复查。在阴性参考集中，264/2025例(13.0%)患者进行了完整的病历回顾(包括免费文本)，1761/2025例(87.0%)患者的病历回顾没有免费文本的病历记录。患者在数据提取表中被标记为“PTSD”、“可能PTSD”或“无PTSD”(gydF4y2Ba 多媒体附件1gydF4y2Ba)．任何差异都由家庭医生临床研究员(AS)审查。最终的参考集包括被认为是“PTSD”或“无PTSD”的患者，并排除了“可能患有PTSD”的患者。这一过程创建了以下两个MaPCReN参考标准:(1)共有330例患者(n=115，阳性34.8%;n=215，阴性65.2%)进行了包含自由文本数据的完整病历审查;(2)共有3212例患者(n=1566，阳性48.75%;n=1646，阴性51.25%)进行了不包含自由文本数据的病历审查。共有327名患者被纳入两个MaPCReN参考集(gydF4y2Ba 图1gydF4y2Ba) [gydF4y2Ba 20.gydF4y2Ba］．gydF4y2Ba

从CPCSSN存储库中提取了患者记录的一个子集，用于医疗记录审查，以创建一个泛加拿大创伤后应激障碍参考集。CPCSSN存储库包含1,493,516名患者的EMR数据，其中689,301名(46.15%)被认为是活跃的，因为他们在过去两年内有预约[gydF4y2Ba 25gydF4y2Ba］．在CPCSSN中，没有可用的自由文本遭遇注释数据。12名医科学生使用简短的诊断文本字段进行病历审查。总共有6个队列，约2700份随机选择的记录，每个队列由2名医科学生复查，共复查16265份记录。我们纳入了来自7个参与省份的患者。ICD-9-CM编码患者13282例(309例，调整反应)，其中随机抽取7551例(56.85%)进行病历复查。随机抽取8714例患者建立阴性参考集。我们使用了与MaPCReN参考集相同的数据提取表和过程。差异由家庭医生(AS)进行复查。有3518/7551(46.6%)因评分者之间的协议不佳或被归类为“可能的创伤后应激障碍”而被排除在外。 Our final reference set had 12,104 patients (n=4033, 33.32% positive and n=8071, 66.68% negative; 图2gydF4y2Ba)．gydF4y2Ba

包括临床医生和研究人员在内的研究小组通过共识讨论和证据审查，制定了PTSD的四个病例定义。病例定义包括ICD-9-CM和来自CPCSSN健康状况、账单、遭遇诊断和用药表的解剖治疗化学代码(gydF4y2Ba 表1gydF4y2Ba)．创伤后应激障碍的ICD-9-CM代码是309.81;然而，一些供应商使用不太具体的ICD-9-CM代码309(调整反应)，因为在某些理由(如安大略省)的计费规则要求只输入ICD-9-CM代码的前3位数字。此外，在医疗记录审查期间，医学生发现，诊断文本输入为“PTSD”的患者也有以下与该遭遇相关的ICD-9-CM代码:300(焦虑)，308(应激急性反应)，309(调整反应)，或311(抑郁症)。医学生审查员被指示创建一个由初级保健提供者记录的拼写错误、缩写和短语列表，以在简短的诊断文本字段中识别PTSD (gydF4y2Ba 多媒体附件2gydF4y2Ba)．在应用案例定义之前，这些代码和列表已被纳入数据预处理阶段(gydF4y2Ba 表1gydF4y2Ba)．gydF4y2Ba

初级保健EMR数据收集用于临床目的，因此通常包括特定领域的语言和首字母缩写以及拼写和排版错误。为了准备用于验证的数据(例如，在案例定义4中捕获)，我们删除了停止词、删除了特殊字符，并调整了EMR短诊断文本字段中的大写。简短的诊断文本字段记录了诊断名称和遇到的原因。在病历审查期间，医学生审核员记录了PTSD首字母缩写和拼写错误，这些错误后来在应用病例定义之前被转换为“PTSD”(gydF4y2Ba 多媒体附件2gydF4y2Ba)．gydF4y2Ba

我们使用2x2列联表和以下指标:敏感性、特异性、阳性预测值(PPV)、阴性预测值(NPV)和总体准确性，比较了EMR自由文本遭遇记录和EMR简短诊断文本字段的一致性。此外，我们评估了PTSD病例定义与3个参考集(MaPCReN自由文本、MaPCReN简短诊断文本和CPCSSN)在敏感性、特异性、PPV、NPV和总体准确性方面的一致性。这些指标的方程如下:gydF4y2Ba

使用PTSD病例定义，使用精确的二项检验计算患病率和95%置信限，以估计泛加拿大数据集中的PTSD患病率。使用SAS V9.4 (SAS Institute)进行统计分析。gydF4y2Ba

这项研究获得了马尼托巴大学卫生研究伦理委员会的伦理批准，批准号为HS21053(2017:257)。gydF4y2Ba

2017年1月1日至2019年12月31日期间，MaPCReN中有154,118名患者与参与的提供商进行了预约。MaPCReN参考集1中有330例患者(自由文本数据)，MaPCReN参考集2中有3212例患者(短诊断文本)。两组参比均纳入327例患者。自由文本和短诊断文本参考集之间有很强的一致性，总体准确性为93.6% (CI 90.4%-96.0%)。有20名患者在自由文本EMR数据中记录了持续的PTSD症状(不是明确的PTSD诊断)，这些患者没有通过检查简短的诊断文本字段来确定。尽管如此，两个参考集之间有很强的一致性，敏感性为82.5% (CI 74.2%-88.9%)，特异性为99.5% (CI 97.4%-100%;gydF4y2Ba 表2gydF4y2Ba)．gydF4y2Ba

用例定义1和4在两个MaPCReN参考集(gydF4y2Ba 表3gydF4y2Ba)．参考集1对两种病例定义的敏感性为82.6% (CI 74.4% ~ 89.0%)，特异性为99.5% (CI 97.4% ~ 100%)， PPV为99.0% (CI 93.1% ~ 99.9%)， NPV为91.5%(87.8% ~ 94.1%)，准确性为93.6% (CI 90.4% ~ 96.0%)。同样，参考集2对两种病例定义的敏感性为100% (CI 99.8%-100%)，特异性为98.4% (CI 97.7%-99.0%)， PPV为98.4 (CI 97.6%-98.9%)， NPV为100%，准确性为99.2% (CI 98.8%-99.5%)。在MaPCReN存储库中，与病例定义1相比，NLP的补充(病例定义4)没有捕获任何额外的患者，病例定义1只关注PTSD的诊断代码(ICD-9-CM 309.81)。PTSD(病例定义2)或可能用于治疗PTSD的药物(病例定义3)需要第二个账单代码的敏感性较低(57.4%，CI 47.8%-66.6%和79.1%，CI 70.6%-86.2%;gydF4y2Ba 表3gydF4y2Ba)．gydF4y2Ba

在CPCSSN数据集中，病例定义4与我们的参考集的一致性最强，敏感性为91.1% (CI 90.1% ~ 91.9%)，特异性为99.1% (CI 98.9% ~ 99.3%)， PPV为98.1% (CI 97.6% ~ 98.5%)， NPV为95.7% (CI 95.3% ~ 96.1%)，准确性为96.4% (CI 96.1% ~ 96.8%)。相比之下，病例定义1的敏感性为72.3% (CI为70.9% ~ 73.7%)，特异性为99.1% (CI为98.9% ~ 99.3%)，PPV为97.6% (CI为97.0% ~ 98.1%)，NPV为87.8% (CI为87.2% ~ 88.3%)，准确性为90.2% (CI为89.7% ~ 90.7%)。包括多种计费代码(病例定义2)或可用于治疗PTSD的药物(病例定义3)并没有提高病例定义的一致性(gydF4y2Ba 表4gydF4y2Ba)．gydF4y2Ba

当我们将每个定义应用于CPCSSN的活动患者数据集时，PTSD患病率估计范围为0.8% (CI 0.77%-0.81%;n=5565)，病例定义2 ~ 1.3% (CI 1.25%-1.31%;N =8913)，情况定义为4。病例定义1需要至少一个特定的ICD-9-CM代码309.81，患病率为1.1% (CI 1.08%-1.13%;n = 7718)。gydF4y2Ba

我们发现，与EMR简短诊断文本字段相比，通过回顾EMR自由文本遭遇记录创建的参考标准具有很强的一致性。与其他研究类似，我们还发现，在可用的情况下，自由文本的会诊记录可以捕获关于患者的额外信息，以识别疾病、症状和管理策略[gydF4y2Ba 7gydF4y2Ba，gydF4y2Ba 12gydF4y2Ba，gydF4y2Ba 14gydF4y2Ba，gydF4y2Ba 15gydF4y2Ba］．尽管自由文本遭遇记录提供了关于危险因素和症状的额外信息，但与简短的诊断文本字段相比，它们的包含并没有显著影响旨在识别诊断病例的算法的验证。我们样本中的初级保健设置包括区域性或私营诊所、不同的EMR系统以及可能使自由文本数据难以获得的隐私和保密规定[gydF4y2Ba 27gydF4y2Ba］．我们发现，当无法使用自由文本的遭遇记录时，短诊断文本数据为初级保健患者提供了一个可行的诊断选择，即使这种情况很复杂，如创伤后应激障碍。gydF4y2Ba

创伤后应激障碍的患病率估计在0.8%到1.3%之间。病例定义1，侧重于PTSD的特定ICD-9-CM代码(309.81)，发现患病率为1.1%，但如果没有5位账单代码(即ICD-9-CM)，则可能不可行。在Manitoba数据集中，单独的诊断代码和NLP补充的诊断代码与参考集的一致性都很高。在医疗记录审查期间纳入自由文本的遭遇记录并没有显著改变协议指标。与类似的研究相反，我们没有发现纳入NLP改善了我们在马尼托巴省的案例定义的一致性[gydF4y2Ba 7gydF4y2Ba，gydF4y2Ba 12gydF4y2Ba，gydF4y2Ba 14gydF4y2Ba，gydF4y2Ba 15gydF4y2Ba］．然而，当我们将病例定义应用于泛加拿大CPCSSN参考集时，我们注意到各省在诊断代码和EMR结构上的差异。胜元等[gydF4y2Ba 27gydF4y2Ba]对274篇文章进行了范围回顾，代表了Charlson条件的299种算法，报告了案例验证研究经常集中在单中心，限制了所创建算法的泛化性。同样，我们发现我们在MaPCReN中测试的算法(其中仅包括3个不同的EMR供应商)比在代表加拿大11个不同EMR供应商的泛加拿大CPCSSN数据集中测试的算法表现更好。gydF4y2Ba

与其他关于复杂表型的文献一致，我们发现对诊断代码的依赖在准确性上可能因管辖区而异[gydF4y2Ba 14gydF4y2Ba，gydF4y2Ba 27gydF4y2Ba］．诊断编码要求的系统级别和管辖权差异降低了CPCSSN参考集中病例定义1的敏感性。根据病情的不同，3位ICD-9-CM代码仍可能表明存在疾病。例如，ICD-9-CM 250表示糖尿病，ICD-9-CM的子代码表示糖尿病的类型和严重程度[gydF4y2Ba 28gydF4y2Ba］．然而，创伤后应激障碍的ICD-9-CM编码为309，表明这不是创伤后应激障碍特有的调整反应。当使用自由文本数据来改善PTSD的捕获时，诸如完善和定义的NLP或套索回归等工具可以帮助识别患者[gydF4y2Ba 7gydF4y2Ba，gydF4y2Ba 12gydF4y2Ba，gydF4y2Ba 14gydF4y2Ba，gydF4y2Ba 15gydF4y2Ba］．病例定义4用EMR中短诊断文本字段的NLP补充特定的诊断代码，以识别PTSD患者。与其他工作类似，我们发现结合结构化EMR数据和非结构化自由文本显著改善了泛加拿大数据集中的诊断捕获，产生了更高的性能[gydF4y2Ba 7gydF4y2Ba，gydF4y2Ba 15gydF4y2Ba，gydF4y2Ba 20.gydF4y2Ba，gydF4y2Ba 27gydF4y2Ba］．然而，与更广泛使用的简短诊断文本字段相比，我们并没有确定使用自由文本的遭遇记录的额外好处。Doan等[gydF4y2Ba 12gydF4y2Ba]发现NLP在疾病识别方面表现出与临床医生手动图表回顾相当的性能。尽管文献表明需要捕捉多种危险因素来识别创伤后应激障碍[gydF4y2Ba 19gydF4y2Ba]，在本研究中，我们将NLP重点放在EMR简短诊断文本字段中记录的明确的PTSD诊断文本上。我们证明了明确的PTSD诊断文本可以改善泛加拿大数据集中的PTSD捕获。NLP可以作为决策支持的模型，缩小文档差距，克服只有结构化数据字段可用时存在的障碍[gydF4y2Ba 12gydF4y2Ba，gydF4y2Ba 15gydF4y2Ba］．gydF4y2Ba

在自由文本病历回顾后，在我们有意选择的参考标准中，6.1%(20/327)的患者被确定为“可能患有创伤后应激障碍”。这些患者在EMR的文本或结构化数据字段中没有明确的PTSD诊断。将患者定性为“可能的创伤后应激障碍”可以确定需要进一步临床调查的患者，以提供诊断信息。确定“可能患有创伤后应激障碍”的患者可以通过为诊断调查提供信息，以及促进精神卫生症状、治疗方法和症状改善的记录，从而支持对患者的护理[gydF4y2Ba 15gydF4y2Ba］．这可能是临床决策支持系统的作用，它可以向初级保健提供者提供被动警报，表明需要进一步的创伤后应激障碍评估[gydF4y2Ba 7gydF4y2Ba，gydF4y2Ba 15gydF4y2Ba］．gydF4y2Ba

根据研究目标和数据集的不同，研究人员可以选择使用编码数据和自由文本数据的不同组合，前者更容易获得，在许多司法管辖区普遍使用[gydF4y2Ba 14gydF4y2Ba，gydF4y2Ba 27gydF4y2Ba］．然而，先前的研究表明，由于数据质量问题，仅使用EMR的一个部分的诊断代码可能存在问题[gydF4y2Ba 18gydF4y2Ba，gydF4y2Ba 29gydF4y2Ba］．此外，术语和编码标准的变化可能会使EMR系统和司法管辖区之间的算法比较和共享变得困难。了解健康系统的结构和研究的背景在算法开发中至关重要[gydF4y2Ba 27gydF4y2Ba］．在临床领域，可解释性是一个重要的考虑因素，这可能建议使用基于NLP规则的系统，特别是当数据集具有有限的自由文本信息时。尽管如此，用nlp衍生的数据补充结构化EMR数据对于克服文档空白非常重要[gydF4y2Ba 9gydF4y2Ba，gydF4y2Ba 15gydF4y2Ba，gydF4y2Ba 20.gydF4y2Ba］．我们的泛加拿大数据集只包括简短的诊断字段，不包括自由文本的遭遇记录。自由文本相遇笔记的可用性可能建议使用预先训练的模型来进行文本表示和分类。预训练模型，如transformer中的Bidirectional Encoder representation，可以将自由文本数据转换为标准化形式[gydF4y2Ba 9gydF4y2Ba］．像MentalBERT这样的专家模型已经在心理健康领域开发了特定领域的预训练语言模型，可以进一步使旨在捕捉心理健康状况的机器学习模型受益[gydF4y2Ba 30.gydF4y2Ba］．将数据集与适当的方法相匹配可以平衡模型的可解释性，并改善预测，从而得出可为临床决策和卫生系统规划提供信息的结果[gydF4y2Ba 9gydF4y2Ba，gydF4y2Ba 15gydF4y2Ba，gydF4y2Ba 19gydF4y2Ba，gydF4y2Ba 20.gydF4y2Ba］．gydF4y2Ba

这项研究依赖于EMR中的初级保健提供者文件。初级保健提供者输入的临床记录的NLP评估需要处理提供者在有限时间内输入的临床叙述，因此可能包括特定领域的缩写和拼写或编辑错误[gydF4y2Ba 7gydF4y2Ba］．由于初级保健提供者文件和编码的差异，我们的研究可能低估了患者群体中PTSD的存在。此外，临床医生主要将EMR用于临床目的，因此较少关注特定ICD-9-CM代码的二次使用。这可能会导致数据捕获或完整性问题。必须在上下文中开发NLP的使用，以满足结构化数据字段的组织挑战[gydF4y2Ba 14gydF4y2Ba］．通过这项研究开发的工具可以支持加拿大EMR数据存储库中的识别，但尚未在其他司法管辖区进行验证。CPCSSN代表从初级保健提供者那里得到的护理，因此不代表从专家那里得到的护理，如精神病医生或心理学家。未来的研究将此数据集与代表专家提供者提供的护理的其他数据集联系起来，通过包括与创伤后应激障碍护理相关的更专门的评估和信息，可能会提高我们病例定义的准确性。gydF4y2Ba

在医疗记录审查期间纳入自由文本的遭遇记录并没有显著改善PTSD病例的捕获，也没有导致病例定义协议的显著改善。然而，与单独使用结构化数据字段的病例定义相比，将短诊断文本字段的NLP合并到复杂病症(如PTSD)的病例定义中，改善了对病例定义的捕获。根据所使用的司法管辖区和EMR系统，特定的诊断代码仍然可以很好地估计人群中的PTSD患者。gydF4y2Ba

需要进一步的研究来改进NLP算法，以便能够从缺乏正式编码诊断条目的自由文本遭遇笔记中检测PTSD。在这个庞大的初级保健数据集中，创伤后应激障碍影响了0.8%至1.3%的人口，这表明初级保健EMR数据是这一复杂疾病的丰富数据来源。gydF4y2Ba