[論文レビュー] Development and validation of computable Phenotype to Identify and Characterize Kidney Health in Adult Hospitalized Patients

Tezcan Ozrazgat‐Baslanti, Amir Motaei+8 more|arXiv (Cornell University)|Mar 7, 2019

Frailty in Older Adults参考文献 49被引用数 8

ひとこと要約

本研究では、電子的健康記録（EHR）データを用いて、入院中の成人を対象に急性腎障害（AKI）および慢性腎臓症（CKD）の計算可能なフェノタイプを開発および検証した。KDIGO基準を活用したアルゴリズムは、AUC-ROC値が0.98～0.99に達するなど、高い診断的性能を示し、大規模な臨床データにおける腎疾患の同定に強く高い正確性を示しており、集団レベルの研究および医療品質の評価を支援する。

ABSTRACT

Background: Acute kidney injury (AKI) is a common complication in hospitalized patients and a common cause for chronic kidney disease (CKD) and increased hospital cost and mortality. By timely detection of AKI and AKI progression, effective preventive or therapeutic measures could be offered. This study aims to develop and validate an electronic phenotype to identify patients with CKD and AKI. Methods: A database with electronic health records data from a retrospective study cohort of 84,352 hospitalized adults was created. This repository includes demographics, comorbidities, vital signs, laboratory values, medications, diagnoses and procedure codes for all index admission, 12 months prior and 12 months follow-up encounters. We developed algorithms to identify CKD and AKI based on the Kidney Disease: Improving Global Outcomes (KDIGO) criteria. To measure diagnostic performance of the algorithms, clinician experts performed clinical adjudication of AKI and CKD on 300 selected cases. Results: Among 149,136 encounters, identified CKD by medical history was 12% which increased to 16% using creatinine criteria. Among 130,081 encounters with sufficient data for AKI phenotyping 21% had AKI. The comparison of CKD phenotyping algorithm to manual chart review yielded PPV of 0.87, NPV of 0.99, sensitivity of 0.99, and specificity of 0.89. The comparison of AKI phenotyping algorithm to manual chart review yielded PPV of 0.99, NPV of 0.95 , sensitivity 0.98, and specificity 0.98. Conclusions: We developed phenotyping algorithms that yielded very good performance in identification of patients with CKD and AKI in validation cohort. This tool may be useful in identifying patients with kidney disease in a large population, in assessing the quality and value of care in such patients.

研究の動機と目的

• 入院患者におけるAKIおよびCKDの高い負担が死亡率および医療費の増加に寄与しているため、これを是正するため。
• 手作業によるカルテレビューの限界を克服し、EHRにおける腎疾患検出のためのスケーラブルで自動化されたフェノタイピングツールを構築するため。
• 標準化されたKDIGO臨床基準を用いてCKDおよびAKIの計算可能なフェノタイプを開発および検証するため。
• 腎機能に関する大規模な集団ベースの研究および品質向上施策を可能にするため。

提案手法

• 24か月間（入院前12か月および入院後12か月）にわたるEHRデータを有する84,352名の入院成人患者を対象とした後向きコhort解析。
• 人口統計学的特徴、合併疾患、生命徴、検査値、薬剤、ICD-10診断・手術コードの抽出。
• 医学的履歴およびクレアチニン基準を用いたCKDの同定のためのアルゴリズム開発、およびKDIGO 2012基準（48時間または7日間の血清クレアチニン変化）を用いたAKIの同定のためのアルゴリズム開発。
• 両疾患についてそれぞれ300例のランダムサンプルを対象に、専門医による臨床的適合性評価による検証。
• ゴールスタンダードである手作業によるカルテレビューと比較して、陽性予測値（PPV）、陰性予測値（NPV）、感度、特異度を用いた性能評価。
• フェノタイピングアルゴリズムの診断的正確性および信頼性を評価する統計的手法の使用。

実験結果

リサーチクエスチョン

• RQ1 EHRデータおよびKDIGO基準を用いた計算可能なフェノタイプは、CKDを正確に同定できるか？
• RQ2 自動化されたアルゴリズムは、専門医による臨床的レビューと比較して、入院中の成人におけるAKIをどの程度正確に検出できるか？
• RQ3 標準化されたフェノタイピングを用いた大規模な入院患者コhortにおいて、CKDおよびAKIの有病率はどの程度か？
• RQ4 EHR由来のフェノタイプは、臨床研究における腎疾患検出のスケーラビリティおよび一貫性をどの程度向上させるか？
• RQ5 フェノタイピングアルゴリズムの性能指標（PPV、NPV、感度、特異度）は、手作業によるカルテレビューと比較してどうなるか？

主な発見

• 149,136件の患者エンカウンターのうち、医学的履歴に基づくCKDの同定割合は12％であったが、クレアチニン基準を適用すると16％に上昇した。
• 十分なデータを有する130,081件のエンカウンターにおいて、アルゴリズムを用いて21％がAKIと分類された。
• CKDフェノタイピングアルゴリズムは、陽性予測値（PPV）0.87、陰性予測値（NPV）0.99、感度0.99、特異度0.89を示した。
• AKIフェノタイピングアルゴリズムは、PPV 0.99、NPV 0.95、感度0.98、特異度0.98を達成した。
• 高い診断的性能は、実世界のEHRデータにおけるフェノタイピングアルゴリズムの強力な信頼性および妥当性を示している。
• これらの結果は、本研究が大規模な観察研究、品質測定、および保健サービス研究にこれらの計算可能なフェノタイプを活用することを支持する。