articolo scientifico
Epidemiol Prev 2018; 42 (5-6): 316-325
DOI: https://doi.org/10.19191/EP18.5-6.P316.100

Validazione di algoritmi per l’identificazione di persone con patologia cronica attraverso i dati dei sistemi informativi

Validation of algorithms for the identification of subjects with chronic disease using health information systems

  • Riccardo Di Domenicantonio1

  • Giovanna Cappai1

  • Silvia Cascini1

  • Silvia Narduzzi1

  • Daniela Porta1

  • Lisa Bauleo1

  • Adele Lallo1

  • Matteo Renzi1

  • Giulia Cesaroni1

  • Nera Agabiti1

  • Francesco Forastiere1

  • Riccardo Pistelli2

  • Marina Davoli

  1. Dipartimento di epidemiologia, Servizio sanitario regionale del Lazio, ASL Roma1, Roma
  2. Reparto di fisiopatologia respiratoria, Università Cattolica del Sacro Cuore – Policlinico Gemelli, Roma
Nera Agabiti -

Cosa si sapeva già

  • Le esperienze di validazione dei dati sanitari correnti non sono numerose e sono spesso basate su popolazioni selezionate.

Cosa si aggiunge di nuovo

  • Il lavoro consente di valutare l’accuratezza delle singole fonti di dati e degli algoritmi derivanti dalle loro combinazioni.
  • L’alta specificità osservata rende affidabile il loro utilizzo per effettuare studi di coorte.
  • Per gli studi di prevalenza, a eccezione del diabete, è necessario sviluppare ulteriori approcci sulla base della bassa sensibilità osservata.

Riassunto:

OBIETTIVI: validare alcuni algoritmi di identificazione di persone con patologia cronica (broncopneumopatia cronica ostruttiva – BPCO, diabete mellito, ipertensione e ipotiroidismo) basati sui dati dei sistemi informativi attraverso confronto con misure effettuate mediante diagnosi clinica o autoriportata.
DISEGNO:
studio di validazione svolto attraverso linkage e confronto tra i dati dei sistemi informativi della Regione Lazio e i dati raccolti in indagini di popolazione.
SETTING E PARTECIPANTI:
7.318 persone con diagnosi clinica o autoriportata, inclusi in tre indagini di popolazione svolte tra il 2010 e il 2014 in Lazio.
PRINCIPALI MISURE DI OUTCOME:
sensibilità, specificità, valore predittivo positivo e rapporto di verosimiglianza (likelihood ratio) delle misure effettuate attraverso i sistemi informativi rispetto alle misure effettuate attraverso diagnosi clinica o autoriportata.
RISULTATI:
sono state incluse nell’analisi 7.318 persone: 1.545 per il diabete, 1.783 per la BPCO, 2.448 per l’ipertensione e 1.542 per l’ipotiroidismo. La sensibilità degli algoritmi basati sui dati dei sistemi informativi sanitari rispetto alla diagnosi autoriportata è risultata pari a 90,9%, 38,5%, 88,3%, 47,8%, rispettivamente, per diabete, BPCO, ipertensione e ipotiroidismo. La specificità è risultata 97,4%, 91,7%, 84,8% e 91,8%, il valore predittivo positivo 70,9%, 38,1%, 82,6% e 8,1%.
CONCLUSIONI:
l’alta specificità dei risultati derivanti dall’utilizzo dei sistemi informativi comporta un alto livello di affidabilità al processo di selezione di coorti di persone con patologia cronica. I risultati del confronto tra le misure autoriportate e quelle derivanti dall’effettuazione dei test funzionali o di laboratorio mettono in evidenza un margine significativo di sottodiagnosi delle forme subcliniche per l’ipertensione e l’ipotiroidismo, rilevabile anche nelle categorie di età meno anziane e, quindi, più suscettibili di interventi di prevenzione efficaci. I dati riportati confermano la validità dei dati amministrativi per l’identificazione del diabete e dell’ipertensione. La sensibilità degli algoritimi utilizzati per individuare BPCO e ipotiroidismo risulta non ottimale ai fini della stima della prevalenza nella popolazione.
Parole chiave:
validazione, sistemi informativi correnti, algoritmi, malattie croniche, indagine campionaria di popolazione

Abstract:

OBJECTIVES: to test the validity of algorithms to identify diabetes, chronic obstructive pulmonary disease (COPD), hypertension, and hypothyroidism from routinely collected health data using information from self-reported diagnosis and laboratory or functional test.
SETTING AND PARTICIPANTS:
clinical or self-reported diagnosis from three surveys conducted in Lazio Region (Central Italy) between year 2010 and 2014 were assumed as gold standard and compared to the results of the algorithms application to administrative data.
MAIN OUTCOME MEASURES:
prevalence resulted from administrative data and from information available in the surveys were compared. Sensitivity, specificity, positive predictive value, and positive likelihood ratio of algorithms with respect to self-reported diagnosis, laboratory or functional test, assumed as gold standards, were calculated.
RESULTS:
we analyzed data of 7,318 subjects (1,545 for diabetes, 1,783 for COPD, 2,448 for hypertension, and 1,542 for hypothyroidism). For hypertension and hypothyroidism, we observed a higher prevalence from laboratory or functional test compared to self-reported diagnosis (54.5% vs. 44.9% and 7.5% vs. 1.5%). Sensitivity of administrative data with respect to self-reported diagnosis resulted 90.9%, 38.5%, 88.3%, and 47.8%, respectively, for diabetes, COPD, hypertension, and hypothyroidism. Respectively, specificity was 97.4%, 91.7%, 84.8% and 91.8%; positive predictive value was 70,9%, 38.1%, 82.6% and 8.1%. All values of positive likelihood ratio resulted moderate (about 5), with exception of the diabetes algorithm and the disease-specific payment exemptions register for hypertension (respectively 35.5 and 17.4).
CONCLUSION:
hypertension and hypothyroidism resulted markedly underdiagnosed from self-reported data. Case identification algorithms are highly specific, allowing their utilization for selection of cohort of subject affected by chronic diseases. The sub-optimal sensitivity observed for COPD and hypothyroidism could limit the utilization of the algorithms for prevalence estimation.
Keywords: validity, health information systems, algorithms, chronic disease, survey


  • Se sei abbonato scarica il PDF nella colonna in alto a destra
  • Se non sei abbonato ti invitiamo ad abbonarti online cliccando qui
  • Se vuoi acquistare solo questo articolo scrivi a: abbonamenti@inferenze.it (20 euro)

Inserisci il tuo commento

L'indirizzo mail è privato e non verrà mostrato pubblicamente.
CAPTCHA
Riporta le lettere mostrate nel riquadro senza spazi. Non c'è differenza tra maiuscole e minuscole.
U
k
v
X
T
Non inserire spazi. E' indifferente l'uso del maiuscolo/minuscolo