Peter Vedsted

Developing an algorithm to identify people with Chronic Obstructive Pulmonary Disease (COPD) using administrative data

Publikation: Bidrag til tidsskrift/Konferencebidrag i tidsskrift /Bidrag til avisTidsskriftartikelForskningpeer review

  • Margrethe Smidth, Danmark
  • Ineta Sokolowski, Danmark
  • Lone Kærsvang, Region Midtjylland, Danmark
  • Peter Vedsted
For at tilbyde patienter med kroniske sygdomme koordineret og proaktiv omsorg, er det nødvendigt at vide, hvem de er. Vi udviklede og validerede en kombination af danske register data, der identificerede de sygeste af patienterne med kronisk obstruktiv lungesygdom (KOL).

Først listede syv praktiserende læger deres patienter med KOL, der var fyldt 35 år. Den bedste kombination af registerdata identificerede 72% af disse 266 patienter. Denne KOL algoritme havde tre kriterier: a) udskrevet med en lunge relateret diagnose mindst en gang indenfor de sidste fem år eller: b) indløst recept på lungemedicin mindst to gange indenfor de foregående 12 måneder eller: c) have fået foretaget mindst to spirometrier på forskellige datoer indenfor de foregående 12 måneder.Derefter bekræftede fem andre læger diagnosen for 65% af 532 patienter fundet med KOL algoritmen, når den usikre blev lagt sammen med den sikre diagnose. Til slut identificerede KOL-algoritmen 2,895 patienter i to kommuner, 69% svarede på spørgeskemaundersøgelsen, og 73% bekræftede deres KOL diagnose. Algoritmen kan videre finpudses, da den også identificerede en del patienter med andre kronisk lungesygdomme som astma, og den identificerede en større andel af patienterne jo ældre, de var.

Tidligere studier har vist, at det er fordelagtigt at identificere patienter, der allerede bliver behandlet for at planlægge deres omsorg og mindske deres behov for akut kontakt til sundhedsvæsenet. Den proaktive omsorg hjælper med at kontrollere symptomer, øger patienternes livskvalitet og udskyder forværrelse af sygdommen.

KOL-algoritmen kan bruges i almen praksis indtil kodning med International Classification of Primary Care er fuldt implementeret. Desuden kan den bruges i sundhedstjeneste forskning.

OriginalsprogEngelsk
TidsskriftB M C Medical Informatics and Decision Making
Vol/bind12
Nummer38
ISSN1472-6947
DOI
StatusUdgivet - 22 maj 2012

Se relationer på Aarhus Universitet Citationsformater

ID: 45750631