Chart review and genetic validation of electronic medical record dementia diagnoses in VA: The impact of CMS data
본 연구는 VA 시스템 내 알츠하이머병 및 관련 치매에 대한 전자 의무 기록 알고리즘에 CMS 데이터를 통합하는 것이 미치는 영향을 평가하며, CMS 데이터가 사례 탐지율과 민감도를 높이는 반면, CMS 데이터가 없는 광범위한 알고리즘은 역학 연구에 최적이고, CMS 데이터를 포함한 엄격한 알고리즘은 후기 발병 알츠하이머병에 대해 가장 강력한 유전적 연관성을 도출한다는 점을 밝혀냈다.
원본 논문은 CC0 1.0 (https://creativecommons.org/publicdomain/zero/1.0/)에 따라 공공 도메인에 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
기술 요약: VA 내 전자 의무 기록 치매 진단의 차트 검토 및 유전적 타당성 검증: CMS 데이터의 영향
문제 제기
알츠하이머병(AD) 및 관련 치매(ADRD)에 관한 역학 연구 및 유전학 연구는 종종 사례 식별을 위해 전자 의무 기록(EMR) 내의 국제 질병 분류(ICD) 코스에 의존한다. 그러나 보훈부(VA) 의료 체계 내에서 ADRD를 식별하는 데에는 비특이적 치매 코드의 광범위한 사용과 전문 클리닉보다는 1차 의료 기관에서 초기 진단이 이루어지는 경향을 포함한 구체적인 어려움이 존재한다. 또한, 퇴역 군인들은 VA 외부에서도 진료를 받는 경우가 많아, VA EMR만을 사용하는 연구에서는 데이터 공백과 선택 편향이 발생할 수 있다. CMS(Centers for Medicare & Medicaid Services) 데이터가 이러한 외부 접촉을 포착할 수 있는 잠재적 해결책을 제공하지만, CMS 데이터를 통합하는 것이 진단 알고리즘의 성능(특히 민감도, 특이도 및 유전적 타당성)에 미치는 영향은 여전히 미해결 과제로 남아 있다.
방법론
저자들은 100만 명 이상의 등록 퇴역 군인이 포함된 대규모 바이오뱅크인 VA 밀리언 베테랑 프로그램(MVP)의 데이터를 사용하여 다각적인 평가를 수행하였다.
- 알고리즘 평가: 본 연구는 9가지의 서로 다른 AD/ADRD 알고리즘(엄격한 AD부터 광범위한 치매까지의 4가지 MVP 유래 알고리즘, 2가지 CCW 알고리즘, 2가지 PheCode 알고리즘, 1가지 약물 기반 알고리즘)을 벤치마킹하였다. 이들은 VA EMR 데이터만 사용한 경우와 Medicare/Medicaid 청구 및 접촉을 포함한 CMS 데이터로 보강된 VA EMR 데이터를 함께 사용한 경우 모두 테스트되었다.
- 차트 검토 검증: 203명의 결합 코호트(신규 검토 100명 + 이전 연구 103명)에 대한 차트 검토가 수행되었다. 의료 기록은 식별자가 제거된 상태로 두 명의 독립적인 검토자에 의해 "실버 스탠다드(silver standard)" 분류 체계("가능성 높음", "가능성 있음", "가능성 낮음"으로 AD 및 전반적 치매 분류)를 사용하여 검토되었다. 합의는 논의를 통해 도출되었다. 성능 지표(민감도, 특이도, 양성 예측도[PPV], 음성 예측도[NPV])는 이러한 수동 분류를 기준으로 계산되었다.
- 유전적 타당성 검증: 생물학적 타당성을 평가하기 위해, 저자들은 대규모 MVP 코호트(유럽 혈통으로 제한된 n ≈ 396,000) 내 두 가지 유전적 마커인 APOE ε4 대립유전자(후기 발병 AD의 가장 강력한 유전적 위험 인자) 및 APOE 영역을 제외한 AD 다유전자 위험 점수(PRS)와 알고리즘 유래 사례 집단 간의 연관성을 조사하였다. 로지스틱 회귀 모델을 사용하여 오즈비(OR)와 Z-점수를 계산하였다.
주요 기여
- CMS 데이터 통합: 본 연구는 CMS 데이터를 VA EMR 데이터에 추가하는 것이 치매 알고리즘의 성능을 어떻게 변화시키는지에 대한 엄격한 평가를 제공한다.
- 알고리즘 정교화: 저자들은 ICD 코드 사용의 변화를 반영하여 MVP 유래 알고리즘을 업데이트하였으며, 이를 확립된 CCW 및 PheCode 표준과 비교하였다.
- 유전적 벤치마킹: 알고리즘 성능을 APOE ε4 및 PRS 연관성과 상관 분석함으로써, 본 연구는 후기 발병 AD의 사례 집단이 가진 "순도(purity)"를 평가하는 방법을 제시한다. 즉, 순수하게 AD 사례만을 포착하는 알고리즘과 보다 광범위하고 덜 특이적인 치매 표현형을 포착하는 알고리즘을 구분한다.
결과
- 사례 산출량 및 민감도: CMS 데이터를 추가하면 모든 알고리즘에서 탐지된 사례 수가 유의미하게 증가하였으며, 엄격한 AD 알고리즘(예: MVP-AD가 약 11,345개에서 약 22,537개로 증가)의 경우 그 수가 거의 두 배로 늘어났다. 결과적으로 민감도와 음성 예측도(NPV)가 향상되었다.
- 특이도 및 예측도: 사례 산출량의 증가는 트레이드오프(trade-offs)를 동반했다. CMS 데이터를 추가했을 때 특이도와 양성 예측도(PPV)는 감소하였다.
- 유전적 연관성:
- 엄격한 AD 알고리즘: VA 데이터만을 사용할 때, 엄격한 AD 알고리즘(MVP-AD, Phe-AD)은 APOE ε4에 대해 가장 높은 오즈비(OR ≈ 2.40–2.41)를 나타냈으며, 이는 실제 후기 발병 AD 사례의 비율이 높음을 의미한다. 그러나 엄격한 알고리즘에 CMS 데이터를 추가하면 OR이 감소(≈ 1.95–1.97)하였는데, 이는 새로 추가된 사례들이 실제 AD의 비율이 더 낮음을 시사한다.
- 광범의 ADRD 알고리즘: 더 넓은 범위의 알고리즘(MVP-ADRD, Phe-Dementia)은 강한 유전적 연관성을 보였으나 전반적인 OR은 더 낮았다. 흥미롭게도, VA EMR 데이터만을 사용한 광범위 알고리즘의 성능은 CMS 데이터를 포함한 엄격한 알고리즘의 성능과 유사했다.
- 약물 데이터: AD 약물 데이터를 포함하는 것은 일반적으로 표본 크기를 증가시켰으나, CMS 데이터와 마찬가지로 엄격한 AD 알고리즘의 OR을 낮추는 경향이 있었다.
- 연령 컷오프: 연령 컷오프(65세 이상)를 적용하면 모든 알고리즘에서 유전적 연관성과 OR 추정치의 유의성이 일관되게 높아졌다.
의의 및 주장
본 논문은 알고리즘과 데이터 소스의 선택이 연구의 구체적인 목표에 따라 달라져야 한다고 결론짓는다:
- 유전적 발견 연구를 위한 경우: 실제 후기 발병 AD 사례의 비율을 극대화하려면(높은 OR로 나타남), CMS나 약물 데이터 없이 VA EMR 데이터만을 기반으로 한 엄격한 AD 알고리즘을 사용할 것을 권장한다. 만약 샘플 크기를 위해 CMS 데이터가 필요하다면, CMS 및 약물 데이터가 보강된 엄격한 AD 알고리즘(MVP-AD, CCW-AD 또는 Phe-AD)을 사용하는 것을 제안하지만, 이 경우 VA 단독 데이터보다 OR이 약간 낮아진다.
- 역학 연구를 위한 경우: 사례 포착(예: 질병률 모니터링)을 우선시하는 연구를 위해서는 VA EMR 데이터만을 기반으로 한 더 넓은 범위의 ADRD 알고리즘(MVP-ADRD 또는 Phe-Dementia)을 사용할 것을 권장한다. 저자들은 광범위한 알고리즘에 CMS 데이터를 추가하는 것이 성능을 크게 개선하지 않으며 오히려 표현형을 희석시킬 수 있다고 언급했다.
- 일반적 권장 사항: 사례 자격을 부여하기 위해 여러 개의 ICD 코드를 요구해야 하며, 적절한 경우 약물 데이터를 통합하고, 후기 발병 질환에 집중하기 위해 연령 컷오프(≥60 또는 ≥65)를 적용할 것을 강조한다.
저자들은 ICD 코딩 관행이 기관 및 데이터 소스(VA vs. CMS)에 따라 다르다는 점을 강조한다. 따라서 CMS 데이터의 포함은 사례 집단의 구성을 근본적으로 변화시켜, 이를 더욱 "AD-형(AD-like)"이라기보다 "ADRD-형(ADRD-like)"에 가깝게 만든다. 그러므로 연구자들은 알고리즘의 성능을 다른 의료 데이터베이스에 일률적으로 적용할 수 있다고 가정하기보다, 자신의 특정 EMR 시스템 내에서 알고리즘 성능을 신중하게 평가해야 한다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.