% 0期刊文章% William j . Culpepper %一个露丝安上%安妮特Langer-Gould %米切尔·T·沃林%乔纳森·D·坎贝尔% Lorene m . Nelson %温迪·e·凯%一个海伦Tremlett劳丽瓦格纳% %谎言h·陈% Stella梁%慈善埃文斯%深圳姚明%尼古拉斯·g·LaRocca %代表美国多发性硬化患病率工作组(MSPWG) % T验证算法的识别女士病例管理健康声明数据集% D R 10.1212 / WNL 2019%。0000000000007043 % J首页神经病学% P e1016-e1028 % V 92% N 10% X目的开发一个有效的算法识别多发性硬化症(MS)的病例管理健康声明(AHC)数据集。方法我们使用4 AHC数据集从退伍军人管理局(VA)、Kaiser Permanente南加州(KPSC),马尼托巴省(加拿大),萨斯喀彻温(加拿大)。VA, KPSC,马尼托巴省,我们测试了候选算法的性能根据住院,门诊,和疾病修饰治疗(DMT)声称相比,医疗记录审查使用灵敏度,特异性,阳性和阴性预测值,评分者间信度(Youden J统计)整体和分层按性别和年龄。在萨斯喀彻温省,我们测试了算法在一群随机选择从一般人群。结果的首选算法要求≥3医学相关索赔的任何组合住院,门诊,或DMT声称在一年时间内;2年时间内提供小增益性能。算法包括DMT声称比那些没有做的更好。敏感性(86.6% - -96.0%),特异性(66.7% - -99.0%)、阳性预测值(95.4% - -99.0%),和评分者间信度(Youden J = 0.60 - -0.92)通常是稳定的跨越数据集和地层。分层分析观察的一些性能的变化但是很大程度上反映了地层的成分的变化。在萨斯喀彻温省,首选算法的敏感性为96%,特异性为99%,阳性预测值99%,阴性预测值为96%。结论各算法的性能非常一致的数据集。首选算法要求≥3医学相关索赔的任何组合住院,门诊,或1年内DMT使用。 We recommend this algorithm as the standard AHC case definition for MS.AHC=administrative health claims; CI=confidence interval; DMT=disease-modifying therapy; ICD-9=International Classification of Disease, 9th revision; ICD-9-CM=International Classification of Disease, 9th revision, clinical modification; ICD-10-CA=International Classification of Disease, 10th revision, Canadian version; ICD-10-CM=International Classification of Disease, 10th revision, clinical modification; IMS=Intercontinental Marketing Services; IP=inpatient; KPSC=Kaiser Permanente Southern California; MS=multiple sclerosis; NPV=negative predictive value; OP=outpatient; PPV=positive predictive value; VA=Department of Veterans Affairs %U //www.ez-admanager.com/content/neurology/92/10/e1016.full.pdf