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

Sintesi Tecnica: Revisione delle Cartelle Cliniche e Validazione Genetica delle Diagnosi di Demenza nei Registri Elettronici del VA: L'Impatto dei Dati CMS

Problematica
Gli studi epidemiologici e la ricerca genetica riguardanti la malattia di Alzheimer (AD) e le demenze correlate (ADRD) si affidano frequentemente ai codici della Classificazione Internazionale delle Malattie (ICD) all'interno delle Cartelle Cliniche Elettroniche (EMR) per identificare i casi. Tuttavia, l'identificazione dell'ADRD all'interno del sistema sanitario del Dipartimento degli Affari dei Veterani (VA) presenta sfide specifiche, tra cui l'uso diffuso di codici di demenza non specifici e la tendenza affinché le diagnosi iniziali avvengano nell'assistenza primaria piuttosto che nelle cliniche specialistiche. Inoltre, i Veterani ricevono spesso assistenza al di fuori del sistema VA, il che può creare lacune nei dati e bias di selezione negli studi basati esclusivamente su VA-EMR. Sebbene i dati dei Centers for Medicare & Medicaid Services (CMS) offrano una potenziale soluzione per catturare questi incontri esterni, l'impatto dell'integrazione dei dati CMS sulle prestazioni degli algoritmi diagnostici — specificamente riguardo a sensibilità, specificità e validità genetica — rimane una questione aperta.

Metodologia
Gli autori hanno condotto una valutazione multifasica utilizzando i dati del VA Million Veteran Program (MVP), un grande biobanco con oltre un milione di Veterani arruolati.

• Valutazione dell'Algoritmo: Lo studio ha confrontato nove distinti algoritmi AD/ADRD: quattro algoritmi derivati da MVP (che spaziano dall'AD rigoroso alla demenza ampia), due algoritmi del Chronic Conditions Warehouse (CCW), due algoritmi PheCode e un algoritmo basato sui farmaci. Questi sono stati testati sia con i dati VA EMR da soli, sia con i dati VA EMR integrati dai dati CMS (inclusi i rimborsi Medicare/Medicaid e gli incontri clinici).
• Validazione tramite Revisione delle Cartelle Cliniche: È stata eseguita una revisione delle cartelle cliniche su una coorte combinata di 203 partecipanti (100 nuove revisioni più 103 provenienti da uno studio precedente). Le cartelle mediche sono state depurate dagli identificatori e revisionate da due revisori indipendenti utilizzando un sistema di classificazione "silver standard" ("Probabile", "Possibile" o "Probabilmente No" per l'AD e per la demenza globale). Il consenso è stato raggiunto tramite discussione. Le metriche di prestazione (sensibilità, specificità, valore predittivo positivo [PPV], valore predittivo negativo [NPV]) sono state calcolate rispetto a queste classificazioni manuali.
• Validazione Genetica: Per valutare la validità biologica delle definizioni di caso, gli autori hanno esaminato le associazioni tra i set di casi derivati dagli algoritmi e due marcatori genetici in una grande coorte MVP (n ≈ 396.000, limitata alla discendenza europea): l'allele APOE ε4 (il più forte fattore di rischio genetico per l'AD a esordio tardivo) e un punteggio di rischio poligenico (PRS) per l'AD che esclude la regione APOE. Sono stati utilizzati modelli di regressione logistica per calcolare gli odds ratio (OR) e i Z-score.

Contributi Chiave

1. Integrazione dei Dati CMS: Lo studio fornisce una valutazione rigorosa di come l'aggiunta dei dati CMS ai dati VA EMR alteri le prestazioni degli algoritmi di demenza.
2. Raffinamento degli Algoritmi: Gli autori hanno aggiornato i loro algoritmi derivati da MVP per riflettere i cambiamenti nell'uso dei codici ICD e li hanno confrontati con gli standard stabiliti da CCW e PheCode.
3. Benchmarking Genetico: Correlando la prestazione degli algoritmi con le associazioni di APOE ε4 e PRS, lo studio offre un metodo per valutare la "purezza" dei set di casi rispetto all'AD a esordio tardivo, distinguendo tra algoritmi che catturano veri casi di AD e quelli che catturano fenotipi di demenza più ampi e meno specifici.

Risultati

• Resa dei Casi e Sensibilità: L'aggiunta dei dati CMS ha aumentato significativamente il numero di casi rilevati in tutti gli algoritmi, spesso raddoppiando il conteggio per gli algoritmi AD rigorosi (ad esempio, l'MVP-AD è passato da circa 11.345 a circa 22.537). Di conseguenza, la sensibilità e il valore predittivo negativo (NPV) sono migliorati.
• Specificità e Valore Predittivo: L'aumento della resa dei casi è avvenuto con dei compromessi. La specificità e il valore predittivo positivo (PPV) sono diminuiti quando i dati CMS sono stati aggiunti.
• Associazioni Genetiche:
  • Algoritmi AD Rigorosi: Utilizzando solo i dati VA, gli algoritmi AD rigorosi (MVP-AD, Phe-AD) hanno prodotto gli odds ratio (OR) più elevati per APOE ε4 (OR ≈ 2,40–2,41), indicando un'alta proporzione di veri casi di AD a esordio tardivo. Tuttavia, l'aggiunta dei dati CMS a questi algoritmi rigorosi ha ridotto gli OR (a ≈ 1,95–1,97), suggerendo che i nuovi casi includevano una proporzione minore di vera AD.
  • Algoritmi ADRD Ampi: Gli algoritmi più ampi (MVP-ADRD, Phe-Dementia) hanno mostrato forti associazioni genetiche ma OR complessivamente inferiori. Interessante notare che la prestazione degli algoritmi ampi utilizzando solo i dati VA era paragonabile a quella degli algoritmi rigorosi utilizzando sia i dati VA che i dati CMS.
  • Dati sui Farmaci: L'inclusione dei dati sui farmaci per l'AD ha generalmente aumentato le dimensioni del campione ma, similmente ai dati CMS, ha tendenzialmente abbassato gli OR per gli algoritmi AD rigorosi.
  • Limiti di Età: L'applicazione di un limite di età (65+) ha aumentato uniformemente la significatività delle associazioni genetiche e delle stime degli OR in tutti gli algoritmi.

Significatività e Rivendicazioni
L'articolo conclude che la scelta dell'algoritmo e della fonte di dati dipende fortemente dagli obiettivi specifici dello studio:

• Per la Scoperta Genetica: Per massimizzare la proporzione di veri casi di AD a es𝕠 esordio tardivo (indicata da OR più elevati), gli autori raccomandano di utilizzare algoritmi AD rigorosi basati esclusivamente sui dati VA EMR senza dati CMS o sui farmaci. Se i dati CMS sono disponibili e necessari per la dimensione del campione, gli autori suggeriscono di utilizzare algoritmi AD rigorosi (MVP-AD, CCW-AD o Phe-AD) integrati con dati CMS e sui farmaci, sebbene ciò comporti un OR leggermente inferiore rispetto agli algoritmi rigorosi basati solo su VA.
• Per Studi Epidemiologici: Per studi che danno priorità alla sensibilità e alla cattura dei casi (ad esempio, il monitoraggio dei tassi di malattia), gli autori raccomandano di utilizzare algoritmi ADRD più ampi (MVP-ADRD o Phe-Dementia) basati solo sui dati VA EMR. Notano che l'aggiunta di dati CMS agli algoritmi ampi non migliora significativamente la prestazione e può diluire il fenotipo.
• Best Practices Generali: Lo studio rafforza la necessità di richiedere più codici ICD per qualificare un caso, integrare i dati sui farmaci dove appropriato e applicare limiti di età (≥60 o ≥65) per concentrarsi sulla malattia a esordio tardivo.

Gli autori sottolineano che le pratiche di codifica ICD variano a seconda dell'istituzione e della fonte dei dati (VA vs. CMS). Pertanto, l'inclusione dei dati CMS cambia fondamentalmente la composizione del set di casi, rendendolo più simile a un "ADRD-like" piuttosto che puramente "AD-like". Di conseguenza, i ricercatori devono valutare attentamente la prestazione degli algoritmi all'interno dei loro specifici sistemi EMR invece di presumere un'applicabilità uniforme tra diversi database sanitari.