研究人员分析了三个大型医疗中心血液学/肿瘤学专家看到的儿童电子健康记录(EHR)数据，并开发了一种算法，可以准确识别合适的儿童肿瘤患者，用于未来的临床研究。通过加速和完善患者的研究选择，研究人员的目标是最终改善各种儿科癌症的预后。
“找到合适的患者群体是设计更好的研究的关键，”研究负责人、费城儿童医院(CHOP)儿科肿瘤学家、医学博士查尔斯菲利普斯(Charles Phillips)说。“因为大数据集中并不是每个患者都适合进行临床研究，使用工具将信号与噪声分离，将有助于研究人员利用数据为各种癌症患者设计实用的研究。例如，我们可以更好地评估恶心药物或检测影响中心线放置患者感染率的因素。”
菲利普斯和他的同事于2019年6月17日在《儿科血液和癌症》杂志上在线发表了他们的研究。
该研究团队分析了2011年至2016年PED的EHR衍生数据、三大儿科医院系统的国家儿科临床研究网络PEDSnet、科罗拉多儿童医院和西雅图儿童医院的数据。EHR数据包括诊断、程序、医学、实验室测试和供应商专业。
Phillips表示，对于限定资格要求的狭窄定义和少数患者在临床试验中用于检测特定癌症亚型的药物，对癌症诊断患者的支持性护理的研究可能会使用现有的EHR数据，但患者选择的准确性非常重要。
菲利普斯说：“我们发现，超过一半的儿童被转诊到住院或门诊，他们的病历显示诊断为白血病或淋巴瘤，但实际上没有癌症。”一些患者是有长期癌症史的幸存者，另一些被认为被排除在癌症诊断之外，还有一些被错误地编码在图表上。“他补充说，与多重诊断相反，单一的孤立诊断代码可能不可靠。
因此，在这项研究中，Phillips和他的同事创建了一个“可计算表型”来自动执行他们的搜索算法，以检查一系列框：从至少三次拜访儿科血液学家-肿瘤学家(27，450名患者)开始，然后至少一次诊断为白血病或淋巴瘤，将人数减少到4，535人。进一步的筛查需要三次专家就诊、至少两个诊断代码和至少两次化疗——这使得患者总数达到1825人。最终的1825个组是可计算的表型规划队列-适合临床研究组。
当审查者在掩盖评论中分析队列的完整医疗记录时，可计算的表型显示出100%的敏感性和99%到100%的特异性，以准确地将患者分类为患有儿童白血病或淋巴瘤。
Phillips说：“这种算法可以准确有效地减少研究人员需要检查的医学图表数量，以确定患者队列的后续临床研究。”尽管他补充说，可能需要进一步的研究来改进算法，以满足他们的特定研究需求，但它为临床研究人员提供了潜在的新工具，以改善白血病或淋巴瘤儿童的预后，这些儿童占美国所有儿科癌症的40%。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！