DOI: https://doi.org/10.1002/pds.70346
PMID: https://pubmed.ncbi.nlm.nih.gov/41820261
تاريخ النشر: 2026-03-01
المؤلف: Nicole M. Gatto وآخرون
الموضوع الرئيسي: ترميز المعلومات الطبية وصحة المعلومات
نظرة عامة
تحدد قسم ورقة البحث عملية تقييم منهجية لملاءمة الغرض (FFP) مصممة لتقييم جدوى النمط الظاهري القابل للحساب باستخدام السجلات الصحية الإلكترونية (EHRs) لنتائج صحية معينة ذات اهتمام (HOIs). تهدف هذه الطريقة إلى معالجة قيود الخوارزميات المعتمدة فقط على بيانات المطالبات الإدارية. تتضمن عملية تقييم FFP عدة خطوات: تعريف HOI، مراجعة المعلومات السريرية ذات الصلة، تحديد الخوارزميات الموجودة وأدائها، تقييم تعقيد HOI، وفي النهاية اشتقاق استنتاج وتوصية شاملة حول FFP.
طبق المؤلفون هذه العملية التقييمية على عشرة HOIs اعتُبرت مهمة للصحة العامة، بما في ذلك حالات مثل نقص العدلات وإصابة الكبد الناتجة عن الأدوية. وجدوا أن HOIs المصنفة على أنها ذات صعوبة متوسطة غالبًا ما تتطلب تقنيات متقدمة مثل معالجة اللغة الطبيعية أو دمج نتائج مختبرات متنوعة، بينما تلك المصنفة على أنها ذات صعوبة عالية تتطلب بيانات من مصادر EHR متعددة واستبعاد دقيق للتشخيصات البديلة. كانت مدخلات الخبراء ضرورية طوال عملية التقييم. وتخلص الدراسة إلى أن بيانات EHR يمكن أن تحسن بشكل كبير من دقة تعريف بعض HOIs مقارنة ببيانات المطالبات التقليدية، وأن العملية والأدوات المطورة ستساعد في التقييمات المستقبلية لـ FFP للنمط الظاهري القابل للحساب.
الطرق
تشمل الطرق الموضحة لتقييم FFP (التي تشير على الأرجح إلى بروتوكول سريري أو بحثي محدد) سلسلة منظمة من الخطوات، كما هو موضح في الشكل 1. تم تصميم البروتوكول ليقوده متخصص عام، لكنه يبرز أهمية التشاور مع المتخصصين في الطب السريري والمعلوماتية لضمان تقييم شامل ودقة في عملية التقييم. يتم تقديم إرشادات إجرائية مفصلة في الملحق 1، الذي يدعم تنفيذ البروتوكول.
النتائج
في قسم النتائج، يقدم المؤلفون تقييمًا شاملاً لعشرة مؤشرات نتائج صحية (HOIs) مرشحة، مع تسليط الضوء على تعقيدها السريري والبياني، كما هو ملخص في الجدول 2. تكشف التحليلات عن وجود علاقة بين صعوبة النمط الظاهري العام لـ HOIs وتعقيدها السريري والبياني، كما هو موضح في الشكل 2.
يستعرض المؤلفون أيضًا ثلاثة HOIs محددة مصنفة حسب مستويات صعوبتها العامة: سهلة، متوسطة، وصعبة. يهدف هذا الفحص المفصل إلى تقديم رؤى حول التحديات المتنوعة المرتبطة بكل مؤشر، مما يسهل فهم أفضل لمدى قابليتها للاستخدام في الإعدادات السريرية.
المناقشة
في هذا القسم، يناقش المؤلفون تطوير عملية تقييم منهجية لملاءمة الغرض (FFP) مصممة لتقييم جدوى إنشاء أنماط ظاهرة قابلة للحساب لنتائج صحية ذات اهتمام (HOIs) باستخدام بيانات السجلات الصحية الإلكترونية (EHR). تتضمن عملية FFP عدة خطوات رئيسية: تعريف HOI، مراجعة الخوارزميات الموجودة وأدائها، تقييم التعقيد السريري والبياني، وتقديم توصية بشأن الجدوى. يبرز المؤلفون أن دمج بيانات EHR يمكن أن يعزز دقة تحديد HOIs، خاصة عندما تكون بيانات المطالبات الإدارية غير كافية بسبب نقص المعلومات السريرية التفصيلية. ومع ذلك، يمكن أن يكون دمج بيانات EHR مكلفًا من حيث الموارد، خاصة بالنسبة لـ HOIs التي تتطلب معالجة اللغة الطبيعية (NLP) أو تتضمن سيناريوهات سريرية معقدة.
يؤكد المؤلفون على أهمية مدخلات الخبراء من كل من بيانات EHR والمهنيين في الرعاية السريرية طوال عملية تقييم FFP. يصنفون الصعوبة العامة لتطوير الأنماط الظاهرة القابلة للحساب إلى ثلاثة مستويات: سهلة، متوسطة، وصعبة، بناءً على تعقيد التعريفات السريرية ومتطلبات استخراج البيانات. على سبيل المثال، اعتُبرت حالات مثل نقص العدلات سهلة بسبب معايير التشخيص الواضحة، بينما قدمت إصابة الكبد الناتجة عن الأدوية (DILI) تعقيدًا عاليًا بسبب الحاجة إلى بيانات طولية والتحدي المتمثل في استبعاد الأسباب البديلة. يخلص المؤلفون إلى أن عملية تقييم FFP الخاصة بهم والأدوات المصاحبة يمكن أن تساعد الباحثين والجهات التنظيمية في تحديد أولويات HOIs لتطوير الأنماط الظاهرة القابلة للحساب، مما يدعم في النهاية تحسين مراقبة الصحة العامة ومراقبة سلامة الأدوية.
DOI: https://doi.org/10.1002/pds.70346
PMID: https://pubmed.ncbi.nlm.nih.gov/41820261
Publication Date: 2026-03-01
Author(s): Nicole M. Gatto et al.
Primary Topic: Medical Coding and Health Information
Overview
The research paper section outlines a systematic fitness-for-purpose (FFP) assessment process designed to evaluate the feasibility of computable phenotyping using electronic health records (EHRs) for specific health outcomes of interest (HOIs). This approach aims to address the limitations of algorithms based solely on administrative claims data. The FFP assessment involves several steps: defining the HOI, reviewing relevant clinical information, identifying existing algorithms and their performance, evaluating the complexity of the HOI, and ultimately deriving an overall FFP conclusion and recommendation.
The authors applied this assessment process to ten HOIs deemed significant for public health, including conditions such as neutropenia and drug-induced liver injury. They found that HOIs categorized as having moderate difficulty often required advanced techniques like natural language processing or integration of diverse laboratory results, while those rated as high difficulty necessitated data from multiple EHR sources and careful exclusion of alternative diagnoses. Expert input was essential throughout the assessment. The study concludes that EHR data can significantly improve the accuracy of defining certain HOIs compared to traditional claims data, and the developed process and tools will aid future assessments of FFP for computable phenotyping.
Methods
The methods outlined for the assessment of FFP (presumably referring to a specific clinical or research protocol) involve a structured series of steps, as illustrated in Figure 1. The protocol is designed to be led by a generalist, but it emphasizes the importance of consulting with specialists in clinical medicine and informatics to ensure comprehensive evaluation and accuracy in the assessment process. Detailed procedural guidelines are provided in Appendix 1, which supports the implementation of the protocol.
Results
In the Results section, the authors present a comprehensive assessment of ten candidate Health Outcome Indicators (HOIs), highlighting their clinical and data complexity, as summarized in Table 2. The analysis reveals a correlation between the overall phenotype difficulty of the HOIs and their respective clinical and data complexities, illustrated in Figure 2.
The authors further elaborate on three specific HOIs categorized by their overall difficulty levels: easy, moderate, and hard. This detailed examination aims to provide insights into the varying challenges associated with each indicator, facilitating a better understanding of their applicability in clinical settings.
Discussion
In this section, the authors discuss the development of a systematic Fitness-for-Purpose (FFP) assessment process designed to evaluate the feasibility of creating computable phenotypes for health outcomes of interest (HOIs) using electronic health record (EHR) data. The FFP process involves several key steps: defining the HOI, reviewing existing algorithms and their performance, assessing clinical and data complexity, and providing a feasibility recommendation. The authors highlight that incorporating EHR data can enhance the accuracy of identifying HOIs, particularly when administrative claims data are insufficient due to their lack of detailed clinical information. However, the integration of EHR data can be resource-intensive, especially for HOIs that require natural language processing (NLP) or involve complex clinical scenarios.
The authors emphasize the importance of expert input from both EHR data and clinical care professionals throughout the FFP assessment process. They categorize the overall difficulty of developing computable phenotypes into three levels: easy, moderate, and hard, based on the complexity of clinical definitions and data extraction requirements. For instance, conditions like neutropenia were deemed easy due to straightforward diagnostic criteria, while drug-induced liver injury (DILI) presented high complexity due to the need for longitudinal data and the challenge of ruling out alternative causes. The authors conclude that their FFP assessment process and accompanying tools can aid researchers and regulators in prioritizing HOIs for computable phenotype development, ultimately supporting improved public health surveillance and medication safety monitoring.