How well can electronic health records from primary care identify Alzheimer's disease cases?
Ponjoan Thäns, Anna (Institut Universitari d'Investigació en Atenció Primària Jordi Gol)
Garre-Olmo, Josep (Institut d'Investigació Biomèdica de Girona)
Blanch, Jordi (Institut Universitari d'Investigació en Atenció Primària Jordi Gol)
Fages, Ester (Institut Universitari d'Investigació en Atenció Primària Jordi Gol)
Alves-Cabratosa, Lia (Institut Universitari d'Investigació en Atenció Primària Jordi Gol)
Martí-Lluch, Ruth (Institut Universitari d'Investigació en Atenció Primària Jordi Gol)
Comas-Cufí, Marc (Institut Universitari d'Investigació en Atenció Primària Jordi Gol)
Parramon, Dídac (Institut Català de la Salut)
García-Gil, Maria (Institut Universitari d'Investigació en Atenció Primària Jordi Gol)
Ramos, Rafel (Universitat de Girona. Departament de Medicina)

Data:	2019
Resum:	Background: Electronic health records (EHR) from primary care are emerging in Alzheimer's disease (AD) research, but their accuracy is a concern. We aimed to validate AD diagnoses from primary care using additional information provided by general practitioners (GPs), and a register of dementias. Patients and methods: This retrospective observational study obtained data from the System for the Development of Research in Primary Care (SIDIAP). Three algorithms combined International Statistical Classification of Diseases (ICD-10) and Anatomical Therapeutic Chemical codes to identify AD cases in SIDIAP. GPs evaluated dementia diagnoses by means of an online survey. We linked data from the Register of Dementias of Girona and from SIDIAP. We estimated the positive predictive value (PPV) and sensitivity and provided results stratified by age, sex and severity. Results: Using survey data from the GPs, PPV of AD diagnosis was 89. 8% (95% CI: 84. 7-94. 9). Using the dataset linkage, PPV was 74. 8 (95% CI: 73. 1-76. 4) for algorithm A1 (AD diagnoses), and 72. 3 (95% CI: 70. 7-73. 9) for algorithm A3 (diagnosed or treated patients without previous conditions); sensitivity was 71. 4 (95% CI: 69. 6-73. 0) and 83. 3 (95% CI: 81. 8-84. 6) for algorithms A1 (AD diagnoses) and A3, respectively. Stratified results did not differ by age, but PPV and sensitivity estimates decreased amongst men and severe patients, respectively. Conclusions: PPV estimates differed depending on the gold standard. The development of algorithms integrating diagnoses and treatment of dementia improved the AD case ascertainment. PPV and sensitivity estimates were high and indicated that AD codes recorded in a large primary care database were sufficiently accurate for research purposes.
Ajuts:	Instituto de Salud Carlos III RD16/0007/0004 Agència de Gestió d'Ajuts Universitaris i de Recerca 2017-SGR-1146
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original.
Llengua:	Anglès
Document:	Article ; recerca ; Versió publicada
Publicat a:	Clinical Epidemiology, Vol. 11 (2019) , p. 509-518, ISSN 1179-1349

DOI: 10.2147/CLEP.S206770
PMID: 31456649

10 p, 908.1 KB

El registre apareix a les col·leccions:
Articles > Articles de recerca
Articles > Articles publicats