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[ 1- 3.］．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[ 4］．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[ 4- 7］．弗雷德等人[ 4]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[ 5]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[ 6］．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 7]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[ 8］．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[ 9］．截至2017年底，美国约90%的办公室医生已经在使用电子病历[ 10］．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[ 11](特别是在慢性疾病监测方面[ 12- 14])，用于临床研究的群组识别[ 15]，以及疾病风险预测[ 16］．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[ 14］．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[ 14］．

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[ 17- 21］．一个著名的例子是国家以病人为中心的临床研究网络[ 17， 22]，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”[ 22］．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[ 23- 26]、群组鉴定[ 27- 29]，以及公共卫生监察研究[ 25， 30.， 31］．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[ 32］．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[ 33]，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。

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[ 34］．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 [ 35］．

在本研究中，我们制定了2个研究问题(RQs):

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[ 35］．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[ 36]、获得护理的机会[ 37]、住院费[ 36， 38， 39]、医院护理质量[ 37]，以及结果[ 39， 40］．

图1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[ 35］．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[ 35］．

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。

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。

表1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)。

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% [ 3.］．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 表2．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。

表3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。

图2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。

图3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。

图4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。

表4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。

以下4幅图( 图5- 8)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 图5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 图6看起来和整体坡度非常相似 图5．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 图7， 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 图8，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 图5- 7．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。

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[ 3.])。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 表2．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[ 41]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[ 5]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。

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[ 42］．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[ 43， 44]、癌症[ 45， 46]、痴呆症[ 47]和糖尿病[ 48， 49］．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[ 46， 50］．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[ 51］．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。