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

तकनीकी सारांश: VA में इलेक्ट्रॉनिक मेडिकल रिकॉर्ड डिमेंशिया निदानों की चार्ट समीक्षा और जेनेटिक वैलिडेशन: CMS डेटा का प्रभाव

समस्या विवरण
अल्जाइमर रोग (AD) और संबंधित डिमेंशिया (ADRD) के संबंध में महामारी विज्ञान संबंधी अध्ययन और जेनेटिक अनुसंधान अक्सर मामलों की पहचान करने के लिए इलेक्ट्रॉनिक मेडिकल रिकॉर्ड (EMR) के भीतर इंटरनेशनल क्लासिफिकेशन ऑफ डिजीज (ICD) कोड्स पर निर्भर करते हैं। हालांकि, वेटरन्स अफेयर्स (VA) स्वास्थ्य सेवा प्रणाली के भीतर ADRD की पहचान करना विशिष्ट चुनौतियां पेश करता है, जिसमें गैर-विशिष्ट डिमेंशिया कोड का व्यापक उपयोग और विशेषज्ञ क्लीनिकों के बजाय प्राथमिक देखभाल में प्रारंभिक निदान होने की प्रवृत्ति शामिल है। इसके अलावा, दिग्गज (Veterans) VA प्रणाली के बाहर देखभाल प्राप्त कर सकते हैं, जो डेटा अंतराल और चयन पूर्वाग्रह (selection bias) पैदा कर सकता है, जो केवल VA-EMR-आधारित अध्ययनों को प्रभावित करता है। चूंकि सीएमएस (CMS) डेटा इन बाहरी मुलाकातों को कैप्चर करने के लिए एक संभावित समाधान प्रदान करता है, इसलिए नैदानिक एल्गोरिदम के प्रदर्शन—विशेष रूप से संवेदनशीलता (sensitivity), विशिष्टता (specificity), और जेनेटिक वैधता (genetic validity) के संबंध में—पर CMS डेटा को एकीकृत करने के प्रभाव पर प्रश्न बना हुआ है।

कार्यप्रणाली (Methodology)
लेखकों ने एक मिलियन से अधिक नामांकित दिग्gers वाले एक बड़े बायोबैंक, VA मिलियन वेटरन प्रोग्राम (MVP) के डेटा का उपयोग करके एक बहुआयामी मूल्यांकन किया।

• एल्गोरिदम मूल्यांकन: अध्ययन ने नौ अलग-अलग AD/ADRD एल्गोरिदम का बेंचमार्किंग किया: चार MVP-व्युत्पन्न एल्गोरिदम (स्ट्रिक्ट AD से लेकर ब्रॉड डिमेंशिया तक), दो क्रोनिक कंडीशंस वेयरहाउस (CCW) एल्गोरिदम, दो फीकोड (PheCode) एल्गोरिदम, और एक मेडिकेशन-आधारित एल्गोरिदम। इनका परीक्षण या तो केवल VA EMR डेटा के साथ या VA EMR डेटा को CMS डेटा (जिसमें मेडिकेयर/मेडिकेड क्लेम और एनकाउंटर्स शामिल हैं) के साथ संवर्धित करके किया गया था।
• चार्ट समीक्षा सत्यापन (Chart Review Validation): 203 प्रतिभागियों (100 नई समीक्षाएं प्लस एक पूर्व अध्ययन से 103) के एक संयुक्त समूह पर चार्ट समीक्षा की गई। मेडिकल रिकॉर्ड को पहचानकर्ताओं (identifiers) से मुक्त किया गया और दो स्वतंत्र समीक्षकों द्वारा एक "सिल्वर स्टैंडर्ड" वर्गीकरण प्रणाली ("संभावित" (Likely), "संभव" (Possible), या "संभावित नहीं" (Likely Not) - AD और ऑल-कॉज़ डिमेंशिया के लिए) का उपयोग करके समीक्षा की गई। चर्चा के माध्यम से आम सहमति बनाई गई। मैन्युअल वर्गीकरण के विरुद्ध प्रदर्शन मेट्रिक्स (संवेदनशीलता, विशिष्टता, पॉजिटिव प्रेडिक्टिव वैल्यू [PPV], नेगेटिव प्रेडिक्टिव वैल्यू [NPV]) की गणना की गई।
• जेनेटिक वैलिडेशन (Genetic Validation): केस डेफिनिशन की जैविक वैधता का आकलन करने के लिए, लेखकों ने एक बड़े MVP कोहॉर्ट (n ≈ 396,000, यूरोपीय वंशावली तक सीमित) में दो जेनेटिक मार्कर्स के बीच जुड़ाव की जांच की: APOE ε4 एलील (लेट-ऑनसेट AD के लिए सबसे मजबूत जेनेटिक रिस्क फैक्टर) और एक AD पॉलीजेनिक रिस्क स्कोर (PRS) जिसमें APOE क्षेत्र को बाहर रखा गया है। ऑड्स रेशियो (ORs) और Z-स्कोर की गणना करने के लिए लॉजिस्टिक रिग्रेशन मॉडल का उपयोग किया गया।

प्रमुख योगदान

1. CMS डेटा एकीकरण: यह अध्ययन इस बात का गहन मूल्यांकन प्रदान करता है कि VA EMR डेटा में CMS डेटा जोड़ने से डिमेंशिया एल्गोरिदम का प्रदर्शन कैसे बदल जाता है।
2. एल्गोरिदम शोधन (Algorithm Refinement): लेखकों ने ICD कोड के उपयोग में बदलाव को दर्शाने के लिए अपने MVP-व्युत्पन्न एल्गोरिदम को अपडेट किया और स्थापित CCW और PheCode मानकों के विरुद्ध उनकी तुलना की।
3. जेनेटिक बेंचमार्किंग: लेट-ऑनसेट AD के मामलों की "शुद्धता" (purity) को निर्धारित करने के लिए, एल्गोरिदम-व्युत्पन्न केस सेट्स और APOE ε4 तथा PRS जुड़ावों के बीच सहसंबंधों के साथ, अध्ययन यह मूल्यांकन करने का एक तरीका प्रदान करता है कि कौन से एल्गोरिदम वास्तविक AD मामलों को कैप्चर करते हैं बनाम वे जो व्यापक, कम विशिष्ट डिमेंशिया फेनोटाइप को कैप्चर करते हैं।

परिणाम

• केस यील्ड और संवेदनशीलता: CMS डेटा जोड़ने से सभी एल्गोरिदम में पता लगाए गए मामलों की संख्या में उल्लेखनीय वृद्धि हुई, जिससे अक्सर स्ट्रिक्ट AD एल्गोरिदम (जैसे, MVP-AD ~11,345 से बढ़कर ~22,537 हो गया) की संख्या दोगुनी हो गई। फलस्वरूप, संवेदनशीलता (sensitivity) और नेगेटिव प्रेडिक्टिव वैल्यू (NPV) में सुधार हुआ।
• विशिष्टता और प्रेडिक्टिव वैल्यू: केस यील्ड में वृद्धि के साथ कुछ नुकसान भी हुए। जब CMS डेटा जोड़ा गया, तो विशिष्टता (specificity) और पॉजिटिव प्रेडिक्टिव वैल्यू (PPV) में कमी आई।
• जेनेटिक जुड़ाव:
  • स्ट्रिक्ट AD एल्गोरिदम: केवल VA डेटा का उपयोग करते समय, स्ट्रिक्ट AD एल्गोरिदम (MVP-AD, Phe-AD) ने APOE ε4 के लिए उच्चतम ऑड्स रेशियो (OR ≈ 2.40–2.41) दिए, जो वास्तविक लेट-ऑनसेट AD मामलों के उच्च अनुपात को दर्शाता है। हालांकि, इन स्ट्रिक्ट एल्गोरिदम में CMS डेटा जोड़ने से OR कम हो गया (≈ 1.95–1.97), जो यह सुझाव देता है कि नए मामलों में वास्तविक AD का अनुपात कम था।
  • ब्रॉड ADRD एल्गोरिदम: व्यापक एल्गोरिदम (MVP-ADRD, Phe-Dementia) ने मजबूत जेनेटिक जुड़ाव दिखाया लेकिन कुल मिलाकर कम OR प्रदर्शित किए। दिलचस्प बात यह है कि केवल VA डेटा का उपयोग करने वाले ब्रॉड एल्गोरिदम का प्रदर्शन, CMS और मेडिकेशन डेटा दोनों का उपयोग करने वाले स्ट्रिक्ट एल्गोरिदम के प्रदर्शन के तुलनीय था।
  • मेडिकेशन डेटा: AD मेडिकेशन डेटा को शामिल करने से आमतौर पर सैंपल साइज बढ़ गया लेकिन, CMS डेटा की तरह ही, यह स्ट्रिक्ट AD एल्गोरिदम के लिए OR को कम करने की प्रवृत्ति रखता है।
  • आयु कटऑफ (Age Cutoffs): 65+ का आयु कटऑफ लागू करने से सभी एल्गोरिदम में जेनेटिक एसोसिएशन और OR अनुमानों की सार्थकता (significance) में एकसमान वृद्धि हुई।

महत्व और दावे
यह पेपर निष्कर्ष निकालता है कि एल्गोरिदम और डेटा स्रोत का चुनाव अध्ययन के विशिष्ट लक्ष्यों पर निर्भर करता है:

• जेनेटिक डिस्कवरी के लिए: वास्तविक लेट-ऑनसेट AD मामलों के अनुपात को अधिकतम करने के लिए (उच्च OR द्वारा इंगित), लेखक अनुशंसा करते हैं कि केवल VA EMR डेटा पर आधारित स्ट्रिक्ट AD एल्गोरिदम का उपयोग किया जाए, जिसमें CMS या मेडिकेशन डेटा शामिल न हो। यदि सैंपल साइज के लिए CMS डेटा उपलब्ध और आवश्यक है, तो लेखक सुझाव देते हैं कि CMS और मेडिकेशन डेटा द्वारा पूरक किए गए स्ट्रिक्ट AD एल्गोरिदम (MVP-AD, CCW-AD, या Phe-AD) का उपयोग किया जाए, हालांकि इसके परिणामस्वरूप केवल VA-ओनली स्ट्रिक्ट एल्गोरिदम की तुलना में थोड़ा कम OR प्राप्त होता है।
• महामारी विज्ञान (Epidemiological) अध्ययनों के लिए: उन अध्ययनों के लिए जो संवेदनशीलता और केस कैप्चर (जैसे, रोग दर की निगरानी) को प्राथमिकता देते हैं, लेखक केवल VA EMR डेटा पर आधारित ब्रॉड ADRD एल्गोरिदम (MVP-ADRD या Phe-Dementia) का उपयोग करने की सिफारिश करते हैं। वे नोट करते हैं कि ब्रॉड एल्गोरिदम में CMS डेटा जोड़ने से प्रदर्शन में महत्वपूर्ण सुधार नहीं होता है और यह फेनोटाइप को पतला (dilute) कर सकता है।
• सामान्य सर्वोत्तम अभ्यास: यह अध्ययन इस आवश्यकता को पुख्ता करता है कि एक मामले के रूप में क्वालीफाई करने के लिए कई ICD कोड की आवश्यकता होती है, जहाँ उपयुक्त हो वहाँ मेडिकेशन डेटा को एकीकृत किया जाता है, और लेट-ऑनसेट बीमारी पर ध्यान केंद्रित करने के लिए आयु कटऑफ (≥60 या ≥65) लागू किया जाता है।

लेखक इस बात पर जोर देते हैं कि ICD कोडिंग प्रथाएं संस्थान और डेटा स्रोत (VA बनाम CMS) के अनुसार भिन्न होती हैं। इसलिए, CMS डेटा का समावेश केस सेट की संरचना को मौलिक रूप से बदल देता है, जिससे यह अधिक "ADR-जैसा" (ADR-like) बनता है न कि शुद्ध रूप से "AD-जैसा" (AD-like)। फलस्वरूप, शोधकर्ताओं को अन्य हेल्थकेयर डेटाबेस में समान रूप से लागू होने की धारणा के बजाय अपने विशिष्ट EMR सिस्टम के भीतर एल्गोरिदम के प्रदर्शन का सावधानीपूर्वक मूल्यांकन करना चाहिए।