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

Resumo Técnico: Revisão de Prontuários e Validação Genética de Diagnósticos de Demência em Registros Eletrônicos de Saúde na VA: O Impacto dos Dados do CMS

Declaração do Problema
Estudos epidemiológicos e pesquisas genéticas sobre a doença de Alzheimer (DA) e demências relacionadas (ADRD) dependem frequentemente de códigos da Classificação Internacional de Doenças (CID) dentro de Registros Eletrônicos de Saúde (RES) para identificar casos. No entanto, identificar ADRD dentro do sistema de saúde do Departamento de Assuntos de Veteranos (VA) apresenta desafios específicos, incluindo o uso generalizado de códigos de demência não específicos e a tendência de que os diagnósticos iniciais ocorram na atenção primária em vez de clínicas especializadas. Além disso, os veteranos frequentemente recebem cuidados fora do sistema VA, o que pode criar lacunas de dados e viés de seleção em estudos baseados apenas no VA-RES. Contudo, a integração de dados do CMS (Centers for Medicare & Medicaid Services) oferece uma solução potencial para capturar esses encontros externos, mas o impacto da integração dos dados do CMS no desempenho dos algoritmos diagnósticos — especificamente em relação à sensibilidade, especificidade e validade genética — permanece uma questão em aberto.

Metodologia
Os autores conduziram uma avaliação multifacetada utilizando dados do Programa Milhão de Veteranos (MVP) da VA, um grande biobanco com mais de um milhão de veteranos inscritos.

• Avaliação de Algoritmo: O estudo comparou nove algoritmos distintos de DA/ADRD: quatro algoritmos derivados do MVP (variando de DA estrita a demência ampla), dois algoritmos do Chronic Conditions Warehouse (CCW), dois algoritmos de PheCode e um algoritmo baseado em medicação. Estes foram testados tanto com dados de RES da VA isoladamente quanto com dados de RES da VA aumentados por dados do CMS (incluindo reivindicações e encontros do Medicare/Medicaid).
• Validação por Revisão de Prontuário: Uma revisão de prontuários foi realizada em uma coorte combinada de 203 participantes (100 novas revisões mais 103 de um estudo anterior). Os registros médicos foram limpos de identificadores e revisados por dois revisores independentes usando um sistema de classificação de "padrão-prata" ("Provável", "Possível" ou "Provavelmente Não" para DA e demência global) . O consenso foi alcançado por meio de discussão. As métricas de desempenho (sensibilidade, especificidade, valor preditivo positivo [VPP], valor preditivo negativo [VPN]) foram calculadas em relação a essas classificações manuais.
• Validação Genética: Para avaliar a validade biológica das definições de caso, os autores examinaram as associações entre os conjuntos de casos derivados dos algoritmos e dois marcadores genéticos em uma grande coorte do MVP (n ≈ 396.000, restrita à ancestralidade europeia): o alelo APOE ε4 (o fator de risco genético mais forte para a DA de início tardio) e um escore de risco poligênico (PRS) de DA excluindo a região APOE. Modelos de regressão logística foram usados para calcular as razões de chances (ORs) e os Z-scores.

Principais Contribuições

1. Integração de Dados do CMS: O estudo fornece uma avaliação rigorosa de como a adição de dados do CMS aos dados de RES da VA altera o desempenho dos algoritmos de demência.
2. Refinamento de Algoritmos: Os autores atualizaram seus algoritmos derivados do MVP para refletir mudanças no uso de códigos CID e os compararam com padrões estabelecidos de CCW e PheCode.
3. Benchmarking Genético: Ao correlacionar o desempenho do algoritmo com as associações de APOE ε4 e PRS, o estudo oferece um método para avaliar a "pureza" dos conjuntos de casos em relação à DA de início tardio, distinguindo algoritmos que capturam casos reais de DA versus aqueles que capturam fenótipos de demência mais amplos e menos específicos.

Resultados

• Rendimento de Casos e Sensibilidade: A adição de dados do CMS aumentou significamente o número de casos detectados em todos os algoritmos, muitas vezes dobrando a contagem para algoritmos de DA estrita (ex: MVP-DA aumentou de ~11.345 para ~22.537). Consequentemente, a sensibilidade e o valor preditivo negativo (VPN) melhoraram.
• Especificidade e Valor Preditivo: O aumento no rendimento de casos veio acompanhado de compensações. A especificidade e o valor preditivo positivo (VPP) diminuíram quando os dados do CMS foram adicionados.
• Associações Genéticas:
  • Algoritmos de DA Estrita: Ao usar apenas dados da VA, os algoritmos de DA estrita (MVP-DA, Phe-DA) produziram as maiores razões de chances (ORs) para APOE ε4 (OR ≈ 2,40–2,41), indicando uma alta proporção de casos reais de DA de início tardio. No entanto, adicionar dados do CMS a esses algoritmos estritos reduziu as ORs (para ≈ 1,95–1,97), sugerindo que os novos casos incluíam uma proporção menor de DA real.
  • Algoritmos de ADRD Amplos: Algoritmos mais amplos (MVP-ADRD, Phe-Demência) mostraram fortes associações genéticas, mas ORs menores no geral. Curiosamente, o desempenho de algoritmos amplos usando apenas dados da VA foi comparável ao de algoritmos estritos usando tanto VA quanto CMS.
  • Dados de Medicação: Incluir dados de medicação para DA geralmente aumentou o tamanho das amostras, mas, de forma semelhante aos dados do CMS, tendeu a baixar as ORs para algoritmos de DA estrita.
  • Limites de Idade: Aplicar um limite de idade (65+) aumentou uniformemente a significância das associações genéticas e as estimativas de OR em todos os algoritmos.

Significância e Alegações
O artigo conclui que a escolha do algoritmo e da fonte de dados depende fortemente dos objetivos específicos do estudo:

• Para Descoberta Genética: Para maximizar a proporção de casos reais de DA de início tardio (indicada por maiores ORs), os autores recomendam o uso de algoritmos de DA estrita baseados apenas em dados de RES da VA, sem dados do CMS ou de medicação. Se os dados do CMS forem disponíveis e necessários para o tamanho da amostra, os autores sugerem usar algoritmos de DA estrita (MVP-DA, CCW-DA ou Phe-DA) suplementados com dados do CMS e de medicação, embora isso resulte em uma OR ligeiramente inferior às DA de apenas VA.
• Para Estudos Epidemiológicos: Para estudos que priorizam a sensibilidade e a captura de casos (ex: monitoramento de taxas de doença), os autores recomendam o uso de algoritmos de ADRD mais amplos (MVP-ADRD ou Phe-Demência) baseados apenas em dados de RES da VA. Eles observam que adicionar dados do CMS a algoritmos amplos não melhora significativamente o desempenho e pode diluir o fenótipo.
• Melhores Práticas Gerais: O estudo reforça a necessidade de exigir múltiplos códigos CID para qualificar um caso, integrar dados de medicação onde apropriado e aplicar limites de idade (≥60 ou ≥65) para focar na doença de início tardio.

Os autores enfatizam que as práticas de codificação CID variam entre instituições e fontes de dados (VA vs. CMS). Portanto, a inclusão de dados do CMS altera fundamentalmente a composição do conjunto de casos, tornando-o mais "semelhante a ADRD" do que puramente "semelhante a DA". Consequentemente, os pesquisadores devem avaliar cuidadosamente o desempenho do algoritmo dentro de seus sistemas de RES específicos, em vez de assumir aplicabilidade uniforme em diferentes bases de dados de saúde.