Chart review and genetic validation of electronic medical record dementia diagnoses in VA: The impact of CMS data

Résumé technique : Revue de dossiers et validation génétique des diagnostics de démence dans les dossiers médicaux électroniques au sein du VA : l'impact des données CMS

Énoncé du problème
Les études épidémiologiques et la recherche génétique concernant la maladie d'Alzheimer (MA) et les démences apparentées (ADRD) reposent fréquemment sur les codes de la Classification Internationale des Maladies (CIM) au sein des dossiers médicaux électroniques (DME) pour identifier les cas. Cependant, l'identification des ADRD au sein du système de santé des Anciens Combattants (VA) présente des défis spécifiques, notamment l'utilisation généralisée de codes de démence non spécifiques et la tendance des diagnostics initiaux à se produire en soins primaires plutôt que dans les cliniques spécialisées. De plus, les vétérans reçoivent souvent des soins en dehors du système du VA, ce qui peut créer des lacunes de données et un biais de sélection dans les études utilisant uniquement le DME du VA. Bien que les données des Centers for Medicare & Medicaid Services (CMS) offrent une solution potentielle pour capturer ces rencontres externes, l'impact de l'intégration des données CMS sur la performance des algorithmes de diagnostic — spécifiquement concernant la sensibilité, la spécificité et la validité génétique — demeure une question ouverte.

Méthodologie
Les auteurs ont mené une évaluation multidimensionnelle en utilisant les données du programme Million Veteran Program (MVP) du VA, une vaste biobanque comprenant plus d'un million de vétérans inscrits.

• Évaluation des algorithmes : L'étude a comparé neuf algorithmes distincts de MA/ADRD : quatre algorithmes dérivés du MVP (allant de la MA stricte à la démence large), deux algorithmes du Chronic Conditions Warehouse (CCW), deux algorithmes PheCode et un algorithme basé sur les médicaments. Ceux-ci ont été testés à la fois avec les données du DME du VA seules et avec les données du DME du VA augmentées par les données CMS (incluant les réclamations et les rencontres Medicare/Medicaid).
• Validation par revue de dossiers : Une revue de dossiers a été réalisée sur une cohorte combinée de 203 participants (100 nouvelles revues plus 103 issues d'une étude antérieure). Les dossiers médicaux ont été anonymisés et examinés par deux réviseurs indépendants utilisant un système de classification « étalon d'argent » (« Probable », « Possible » ou « Probablement pas » pour la MA et la démence globale) . Le consensus a été atteint par discussion. Les mesures de performance (sensibilité, spécificité, valeur prédictive positive [VPP], valeur prédictive négative [VPN]) ont été calculées par rapport à ces classifications manuelles.
• Validation génétique : Pour évaluer la validité biologique des définitions de cas, les auteurs ont examiné les associations entre les ensembles de cas dérivés des algorithmes et deux marqueurs génétiques dans une large cohorte du MVP (n ≈ 396 000, restreinte à l'ascendance européenne) : l'allèle APOE ε4 (le plus fort facteur de risque génétique pour la MA tardive) et un score de risque polygénique (PRS) de la MA excluant la région APOE. Des modèles de régression logistique ont été utilisés pour calculer les rapports de cotes (OR) et les scores Z.

Principales contributions

1. Intégration des données CMS : L'étude fournit une évaluation rigoureuse de la manière dont l'ajout des données CMS aux données du DME du VA modifie la performance des algorithmes de démence.
2. Affinement des algorithmes : Les auteurs ont mis à jour leurs algorithmes dérivés du MVP pour refléter les changements dans l'utilisation des codes CIM et les ont comparés aux standards établis du CCW et de PheCode.
3. Référencement génétique : En corrélant la performance des algorithmes avec les associations APOE ε4 et PRS, l'étude propose une méthode pour évaluer la « pureté » des ensembles de cas concernant la MA tardive, en distinguant les algorithmes qui capturent de vrais cas de MA de ceux qui capturent des phénotypes de démence plus larges et moins spécifiques.

Résultats

• Rendement des cas et sensibilité : L'ajout des données CMS a augmenté de manière significative le nombre de cas détectés pour tous les algorithmes, doublant souvent le décompte pour les algorithmes de MA stricte (ex. : l'algorithme MVP-MA est passé d'environ 11 345 à environ 22 537). Par conséquent, la sensibilité et la valeur prédictive négative (VPN) se sont améliorées.
• Spécificité et valeur prédictive : L'augmentation du rendement des cas s'est accompagnée de compromis. La spécificité et la valeur prédictive positive (VPP) ont diminué lorsque les données CMS ont été ajoutées.
• Associations génétiques :
  • Algorithmes de MA stricte : En utilisant uniquement les données du VA, les algorithmes de MA stricte (MVP-MA, Phe-MA) ont produit les rapports de cotes (OR) les plus élevés pour APOE ε4 (OR ≈ 2,40–2,41), indiquant une forte proportion de vrais cas de MA tardive. Cependant, l'ajout des données CMS à ces algorithmes stricts a réduit les OR (à ≈ 1,95–1,97), suggérant que les nouveaux cas incluaient une proportion moindre de véritables cas de MA.
  • Algorithmes d'ADRD larges : Les algorithmes d'ADRD plus larges (MVP-ADRD, Phe-Démence) ont montré des associations génétiques fortes mais des OR globalement plus faibles. Il est intéressant de noter que la performance des algorithmes larges utilisant uniquement les données du VA était comparable à celle des algorithmes stricts utilisant à la fois le VA et le CMS.
  • Données médicamenteuses : L'inclusion des données de médicaments pour la MA a généralement augmenté la taille des échantillons mais, comme les données CMS, avait tendance à abaisser les OR pour les algorithmes de MA stricte.
  • Seuils d'âge : L'application d'un seuil d'âge (65+) a uniformément augmenté la significativité des associations génétiques et des estimations d'OR à travers les algorithmes.

Signification et affirmations
L'article conclut que le choix de l'algorithme et de la source de données dépend fortement des objectifs spécifiques de l'étude :

• Pour la découverte génétique : Pour maximiser la proportion de vrais cas de MA tardive (indiquée par des OR plus élevés), les auteurs recommandent d'utiliser des algorithmes de MA stricts basés uniquement sur les données du DME du VA sans données CMS ou de médicaments. Si les données CMS sont disponibles et nécessaires pour la taille de l'échantillon, les auteurs suggèrent d'utiliser des algorithmes de MA stricts (MVP-MA, CCW-MA ou Phe-MA) complétés par les données CMS et de médicaments, bien que cela entraîne un OR légèrement inférieur aux algorithmes de MA stricte utilisant uniquement le VA.
• Pour les études épidémiologiques : Pour les études privilégiant la sensibilité et la capture de cas (ex. : surveillance des taux de maladie), les auteurs recommandent d'utiliser des algorithmes d'ADRD plus larges (MVP-ADRD ou Phe-Démence) basés uniquement sur les données du DME du VA. Ils notent que l'ajout de données CMS aux algorithmes larges n'améliore pas significativement la performance et peut diluer le phénotype.
• Bonnes pratiques générales : L'étude renforce la nécessité d'exiger plusieurs codes CIM pour qualifier un cas, d'intégrer les données médicamenteuses là où cela est approprié, et d'appliquer des seuils d'âge (≥60 ou ≥65) pour se concentrer sur la maladie à début tardif.

Les auteurs soulignent que les pratiques de codage CIM varient selon les institutions et les sources de données (VA vs CMS). Par conséquent, l'inclusion des données CMS modifie fondamentalement la composition de l'ensemble de cas, le rendant plus proche d'un profil « ADRD » que purement « MA ». Par conséquent, les chercheurs doivent évaluer soigneusement la performance des algorithmes au sein de leurs systèmes DME spécifiques plutôt que de supposer une applicabilité uniforme à travers différentes bases de données de soins de santé.