Data Sources ＆ Methods to Conduct Studies of the Pediatric Rheumatic Diseases

开展小儿风湿病研究的数据源和方法

演讲者: University of Alabama at Birmingham  Timothy Beukelman

问题：数据源有几种类型，各有何优缺点？

数据源可分为行政赔偿数据（优点是准确和完整，缺点是临床信息有限）、电子健康记录（优点是临床信息广泛，缺点是结构松散）和注册数据库（优点是具有结构化的临床信息，缺点是要求大量的资源）。

在行政赔偿（Administrative Claims）数据方面，讲者以医疗补助分析提取（Medicaid Analytic eXtract，MAX）文件为例进行了阐述。虽然MAX文件是计费文件，但它们包含不少有用信息，如住院和门诊医生评估与管理信息（ICD诊断）、住院和门诊操作（HCPCS和CPT代码）、出院诊断（ICD诊断）、门诊药房配发的药物（NDC代码）、其他产品和服务（耐用医疗设备、实验室和影像学检查、理疗等）、服务的日期和地点、以及有关卫生保健提供者的信息。然而，MAX文件不包含医生评估、生物测定学信息（身高、体重、生命体征等）、既往/无效（inactive）诊断、实验室/影像学结果和住院用药情况。

还有其他许多不同的行政数据，讲者特别列举了两个与儿童有关的行政数据库，分别为儿童健康信息系统（Pediatric Health Information System，PHIS）和儿童住院患者数据库（Kids’ Inpatient Database，KID）。PHIS综合了45家大型儿童医院有关住院和急诊服务的临床和资源利用数据，有助于研究住院护理。KID包含儿童住院患者的出院数据，有助于在人群水平研究流行病学和医疗利用情况。

行政赔偿数据非常有助于研究资源/药物利用情况，包括研究医疗服务、处方模式和依从性等。另外，行政赔偿数据详细记载了药物使用情况和严重事件，因此有助于研究药物安全性。

行政赔偿数据不太适合用于研究药物有效性，因为通常不包含重要的基线临床因素，并且所包含的可观察的结局类型有限。

电子健康记录（Electronic Health Record，EHR）通常包含广泛的临床数据，但数据结构松散不利于研究。此外，来自不同EHR的数据通常难以汇总，有必要对数据字段进行标准化处理。

PEDSnet临床数据研究网络（Clinical Data Research Networks，CDRNs）由多个不同医疗系统构成，这些系统涉及开展比较有效性和安全性的研究。PEDSnet CDRN综合了来自8个大型儿童医院医疗系统的EHR源性数据，目前仅限于“赔偿类型”数据（诊断、问题列表、当前用药等），并且与药品福利管理机构建立合作关系，以获取有关所配发的药物的信息。

第三种数据类型是注册数据（Registries），这一数据通常以诊所为基础，包含医生证实的诊断和评估，并且通过统一的方法和格式收集特异性数据元素，可能包含患者报告的结局和生物样本等。注册数据库通常需要花很多劳力进行数据录入。

由NIH/NIAMS资助的儿童关节炎和风湿病研究联盟（Childhood Arthritis and Rheumatology Research Alliance，CARRA）注册数据库登记超过9500例罹患各种疾病的患者，包括幼年特发性关节炎（JIA）、系统性红斑狼疮（SLE）和幼年型皮肌炎（JDMS）等。该数据库收集了详细的基线和随访数据。由于财务方面的原因，2013年停止登记。好消息是，2015年，该数据库重启登记工作，侧重于收集药物安全性和有效性数据。每6个月和开始使用新药时进行数据收集。收集的数据包括来自医生和患者报告的结局。目前纳入的疾病种类有限（JIA；SLE和JDM）

2011年建立的儿童风湿病护理和结局改善网络（PR-COIN）注册数据库是侧重于使用PDSA、预访视计划和人群管理方法来改善医疗服务质量的网络。该数据库使用Epic Smartform收集来自10个研究中心（不久将增至17个）的人口统计学、临床、疾病活动性和药物方面的数据，涉及＞3,100例患者和＞15,800次访视。Epic Smartform可允许数据通过电子方式上传至数据库。该数据库的数据可用于研究。

在拥有了数据源后，你就会想要进行研究。研究的类型包括回顾性观察研究、前瞻性观察研究（可能需要进行额外数据收集）和干预性研究（通常为对照、随机研究）。所有研究都要求识别所期望的患者研究人群。

可计算的表型（computable phenotypes）是目前比较热门的话题。你可以使用现有数据识别存在某种疾病或特定临床特征的患者。可使用诊断、操作、检查（结果）、药物、人口统计学数据。可根据所期望的敏感性和特异性使用不同的定义。

可通过两种方式创建可计算的表型。一是识别具有已知诊断的患者并检查他们的数据，二是基于临床护理和表面效度的知识来创建。以儿童期发病的狼疮性肾炎为例，目前狼疮性肾炎没有ICD-9代码。可从SLE的CD-9诊断代码（710.0）开始入手，然后再限定于医生评估和管理代码、出院代码和其他服务（PT）。儿童期发病要求首个诊断代码在18岁前出现。需在疾病/问题列表中核对发病的日期。在“排除诊断”代码或误诊方面，要求有≥2个以时间区分的诊断代码，并且要求有来自风湿病医生的诊断。肾小球肾炎的ICD-90代码为580（急性）和582（慢性）。更具体的代码为582.81（其他地方分类的疾病中的慢性肾小球肾炎）。不那么具体的代码为581（肾病综合征）、583（肾炎和肾病NOS）、584（急性肾衰竭）、585（慢性肾病）、586（肾衰竭）、599.7（血尿）、791.0（蛋白尿）。肾活检的CPT代码为50200和50205。可使用当前用药或既往用药数据进行进一步优化。如果为“真正”狼疮，可能使用羟氯喹治疗；显著蛋白尿，使用ACE抑制剂；活动性疾病，使用糖皮质激素；重度疾病，使用环磷酰胺或霉酚酸酯。

接着，需要对可计算的表型的效度进行评估。可使用金标准（病历）进行评估：从通过可计算的表型识别的患者开始，回顾病历（特异性）；以及从具有已知诊断的患者开始，确定是否是可计算的表型识别了他们（敏感性）。也可使用内部验证进行评估：确定所识别的患者是否具有其他期望的特征、药物、干预。最后需考虑普遍性。在使用可计算的表型时，应基于预期用途来选择敏感性和特异性。如果进行回顾性观察研究，则需要高特异性和中等敏感性。如果进行干预研究，需要高敏感性和中等特异性。如果进行回顾性观察研究，需要识别合并症和其他关注的基线变量；识别关注的暴露（使用书面处方识别药物）；以及识别关注的结局（与可计算的表型定义相似）。如果进行前瞻性观察研究，需要额外收集患者报告的数据、医生报告的数据和/或生物标志物数据。前瞻性干预性研究可为传统随机对照试验（疗效）和实用性研究（有效性）。实用性临床试验探讨的是干预在真实世界中的作用，一般比较的是不同的当前标准治疗（通常在疗效研究后）。有兴趣的读者可参考PCORI ADAPTABLE试验（阿司匹林在冠状动脉疾病二级预防中的用量研究）。

实用性临床试验的其他一些特征包括：具有广泛的受试者纳入标准；在各种不同的临床环境中进行；以“常规治疗”作为对照治疗；随访强度降低；极少关注患者对研究方案的依从性；保守的意向治疗分析。

总结来看，目前有许多不同的数据源可用于临床研究，各个数据源各有其优点和局限性。可计算的表型有助于识别关注的患者和进行临床研究。实用性方法可增加高质量比较研究的数量。