Improving comparative effectiveness research through electronic health records continuity cohorts

通过电子健康记录连续性队列改进比较有效性研究

基本信息

  • 批准号:
    9365420
  • 负责人:
  • 金额:
    $ 34.11万
  • 依托单位:
  • 依托单位国家:
    美国
  • 项目类别:
  • 财政年份:
    2017
  • 资助国家:
    美国
  • 起止时间:
    2017-09-01 至 2021-08-31
  • 项目状态:
    已结题

项目摘要

Title: Improving comparative effectiveness research through electronic health records continuity cohorts PI: Joshua Lin, MD, MPH Abstract (about 30 lines) Epidemiologic analyses of health care data can provide critical evidence on the effectiveness and safety of therapeutics in the routine care setting since clinical trials often exclude frail and older patients who are the primary consumers of most medications. Electronic health record (EHR) databases contain rich clinical information vital for many comparative effectiveness studies and have been increasingly used for drug research. There are currently more than 50 EHR-based research networks in the US. It is thus critical to understand how we can conduct valid comparative clinical studies with EHR data. However, other than few highly integrated plans, most US EHR systems do not have comprehensive capture of medical encounters across the care continuum and may miss substantial amounts of information. Exposures, co-morbidities, and health outcomes that are recorded at a clinic or hospital outside of a given EHR system are "invisible" to the investigator, increasing misclassification or complete omission of essential variables. While such issues are pervasive, no prior study has ever quantified the magnitude of resultant bias and how to remedy the situation if linkage of more information is not feasible. To address this knowledge gap, we have combined longitudinal claims data from Medicare with EHR patient data from a large multi-center health care system as a `gold standard' setup where the claims data comprehensively capture medical information across care settings and provider systems and EHR provides necessary clinical data. We will (1) use these `gold standard' data to identify `EHR continuity cohorts' for whom the EHR system captures a high proportion of all encounters and evaluate whether misclassification/omission of a list of essential variables in the comparative effectiveness research is substantially reduced within vs outside of the EHR continuity cohort; (2) develop strategies to identify the EHR continuity cohort based on a set of proxy indicators available in typical EHR databases and validate the candidate prediction rules internally in a sample within the given EHR and externally using a second EHR system that is also linked to Medicare claims data; (3) assess research validity and generalizability in the EHR continuity cohorts in several empirical studies; and (4) Develop structured recommendation on how to conduct comparative effectiveness research using high-validity EHR continuity cohorts in an EHR system without linked claims data and make our program public available to facilitate future research using EHR-based research networks.
标题:通过电子健康记录改进比较有效性研究 连续性队列 PI:Joshua Lin,医学博士、公共卫生硕士 摘要(约30行) 医疗保健数据的流行病学分析可以提供有关有效性和安全性的关键证据 常规护理环境中的治疗方法,因为临床试验通常排除体弱和老年患者,他们是 大多数药物的主要消费者。电子健康记录 (EHR) 数据库包含丰富的临床信息 这些信息对于许多比较有效性研究至关重要,并且已越来越多地用于药物研究。 目前美国有超过 50 个基于 EHR 的研究网络。因此,了解如何 我们可以利用 EHR 数据进行有效的比较临床研究。然而,除了少数高度集成的 计划中,大多数美国 EHR 系统无法全面捕获整个护理过程中的医疗遭遇 连续体,可能会丢失大量信息。暴露、合并症和健康结果 在给定 EHR 系统之外的诊所或医院记录的信息对于研究者来说是“不可见的”, 增加错误分类或完全遗漏基本变量。虽然此类问题普遍存在,但 先前的研究已经量化了由此产生的偏见的严重程度,以及如果将以下因素联系起来如何纠正这种情况: 更多信息是不可行的。为了解决这一知识差距,我们结合了纵向索赔数据 来自 Medicare 的 EHR 患者数据来自大型多中心医疗保健系统,作为“黄金标准”设置 索赔数据全面捕获跨护理机构和提供者系统的医疗信息 EHR 提供必要的临床数据。我们将 (1) 使用这些“黄金标准”数据来识别“EHR 连续性” EHR 系统捕获了所有遭遇中很大比例的群体,并评估是否 比较有效性研究中错误分类/遗漏了一系列基本变量 EHR 连续性队列内部与外部相比大幅减少; (2) 制定识别 EHR 的策略 基于典型 EHR 数据库中可用的一组代理指标的连续性队列,并验证 候选预测规则在给定 EHR 内的样本内部以及在外部使用第二个 EHR 还链接到医疗保险索赔数据的系统; (3) 评估 EHR 研究的有效性和普遍性 多项实证研究中的连续性队列; (4) 制定关于如何进行的结构化建议 在 EHR 系统中使用高有效性 EHR 连续性队列进行比较有效性研究,无需 链接索赔数据并使我们的计划公开,以促进使用基于 EHR 的未来研究 研究网络。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

JOSHUA K LIN其他文献

JOSHUA K LIN的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('JOSHUA K LIN', 18)}}的其他基金

Deprescribing antipsychotics in patients with Alzheimers disease and related dementias and behavioral disturbance in skilled nursing facilities
在熟练护理机构中取消阿尔茨海默病及相关痴呆症和行为障碍患者的抗精神病药物处方
  • 批准号:
    10634934
  • 财政年份:
    2023
  • 资助金额:
    $ 34.11万
  • 项目类别:
A targeted analytical framework to optimize posthospitalization delirium pharmacotherapy in patients with Alzheimers disease and related dementias
优化阿尔茨海默病和相关痴呆患者出院后谵妄药物治疗的有针对性的分析框架
  • 批准号:
    10634940
  • 财政年份:
    2023
  • 资助金额:
    $ 34.11万
  • 项目类别:
Effectiveness and Safety of Transcatheter Left Atrial Appendage Occlusion vs. Anticoagulation in Older Adults with Atrial Fibrillation and Alzheimer's Disease and Related dementias
经导管左心耳封堵术与抗凝治疗对患有心房颤动、阿尔茨海默病及相关痴呆症的老年人的有效性和安全性
  • 批准号:
    10443345
  • 财政年份:
    2022
  • 资助金额:
    $ 34.11万
  • 项目类别:
Effectiveness and Safety of Transcatheter Left Atrial Appendage Occlusion vs. Anticoagulation in Older Adults with Atrial Fibrillation and Alzheimer's Disease and Related dementias
经导管左心耳封堵术与抗凝治疗对患有心房颤动、阿尔茨海默病及相关痴呆症的老年人的有效性和安全性
  • 批准号:
    10672458
  • 财政年份:
    2022
  • 资助金额:
    $ 34.11万
  • 项目类别:
Developing scalable algorithms to incorporate unstructured electronic health records for causal inference based on real-world data
开发可扩展的算法以合并非结构化电子健康记录,以基于真实世界数据进行因果推断
  • 批准号:
    10372142
  • 财政年份:
    2020
  • 资助金额:
    $ 34.11万
  • 项目类别:
Developing scalable algorithms to incorporate unstructured electronic health records for causal inference based on real-world data
开发可扩展的算法以合并非结构化电子健康记录,以基于真实世界数据进行因果推断
  • 批准号:
    10581591
  • 财政年份:
    2020
  • 资助金额:
    $ 34.11万
  • 项目类别:
Developing dynamic prognostic and risk-stratification models for informing prescribing decisions in older adults with Coronavirus Disease 2019
开发动态预后和风险分层模型,为患有 2019 年冠状病毒病的老年人的处方决策提供信息
  • 批准号:
    10189838
  • 财政年份:
    2019
  • 资助金额:
    $ 34.11万
  • 项目类别:
Improving comparative effectiveness research through electronic health records continuity cohorts
通过电子健康记录连续性队列改进比较有效性研究
  • 批准号:
    9766389
  • 财政年份:
    2017
  • 资助金额:
    $ 34.11万
  • 项目类别:
Improving comparative effectiveness research through electronic health records continuity cohorts
通过电子健康记录连续性队列改进比较有效性研究
  • 批准号:
    9983157
  • 财政年份:
    2017
  • 资助金额:
    $ 34.11万
  • 项目类别:

相似国自然基金

基于肿瘤病理图片的靶向药物敏感生物标志物识别及统计算法的研究
  • 批准号:
    82304250
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
多模态高层语义驱动的深度伪造检测算法研究
  • 批准号:
    62306090
  • 批准年份:
    2023
  • 资助金额:
    30 万元
  • 项目类别:
    青年科学基金项目
高精度海表反照率遥感算法研究
  • 批准号:
    42376173
  • 批准年份:
    2023
  • 资助金额:
    51 万元
  • 项目类别:
    面上项目
基于新型深度学习算法和多组学研究策略鉴定非编码区剪接突变在肌萎缩侧索硬化症中的分子机制
  • 批准号:
    82371878
  • 批准年份:
    2023
  • 资助金额:
    49 万元
  • 项目类别:
    面上项目
基于深度学习与水平集方法的心脏MR图像精准分割算法研究
  • 批准号:
    62371156
  • 批准年份:
    2023
  • 资助金额:
    50 万元
  • 项目类别:
    面上项目

相似海外基金

Identifying Risk Factors for Poor Glycemic Control among Emergency Department Patients and Improving Linkage to Outpatient Care
确定急诊科患者血糖控制不佳的风险因素并改善与门诊护理的联系
  • 批准号:
    10734304
  • 财政年份:
    2023
  • 资助金额:
    $ 34.11万
  • 项目类别:
Traumatic Brain Injury Anti-Seizure Prophylaxis in the Medicare Program
医疗保险计划中的创伤性脑损伤抗癫痫预防
  • 批准号:
    10715238
  • 财政年份:
    2023
  • 资助金额:
    $ 34.11万
  • 项目类别:
Optimization of monitoring, prediction and phenotyping of deterioration of inhospital patients using machine learning and multimodal real time data
使用机器学习和多模态实时数据优化住院患者病情恶化的监测、预测和表型分析
  • 批准号:
    10735863
  • 财政年份:
    2023
  • 资助金额:
    $ 34.11万
  • 项目类别:
A mega-analysis framework for delineating autism neurosubtypes
描述自闭症神经亚型的大型分析框架
  • 批准号:
    10681965
  • 财政年份:
    2023
  • 资助金额:
    $ 34.11万
  • 项目类别:
A Novel Algorithm to Identify People with Undiagnosed Alzheimer's Disease and Related Dementias
一种识别未确诊阿尔茨海默病和相关痴呆症患者的新算法
  • 批准号:
    10696912
  • 财政年份:
    2023
  • 资助金额:
    $ 34.11万
  • 项目类别:
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了