孕产保健的时间事件探测器（TED-PC）：基于规则的算法，从患有和未患新冠肺炎的孕妇电子健康记录中推测孕龄和分娩日期
摘要：基于规则的算法用于从国家COVID合作队列(N3C)的电子健康记录(EHR)中推断孕周和分娩日期，以检测COVID-19孕妇的临床事件的时间信息。通过观察性医学结果合作伙伴(OMOP)临床数据模型(CDM)对EHR进行规范化处理。EHR表型化结果显示，270,897名孕妇(2018-06-01至2021-05-31)。我们开发了基于规则的算法，并进行了多层次评估，以测试算法的内容有效性和临床有效性，并对孕周<150天或>300天的个体进行了极值分析。结果显示，该算法在270,897名孕妇中找到了296,194个妊娠期(16,659个COVID-19孕妇、174个与COVID-19孕产期附近的孕妇和744个非COVID-19孕妇)。对于孕周推断，95%的案例(40例)具有中高准确性(Cohen Kappa = 0.62)；100%的案例(40例)具有中高时态信息的细粒度(Cohen Kappa = 1)。对于分娩日期的推断，准确性为100%(Cohen Kappa = 1)。对于极端孕周长度的孕龄检测准确性为93.3%(Cohen Kappa = 1)。COVID-19母亲中肥胖症的患病率较高(35.1% vs. 29.5%)，糖尿病的患病率较高(17.8% vs. 17.0%) ，慢性阻塞性肺疾病(COPD)的患病率较高(0.2% vs. 0.1%)，呼吸窘迫综合征(ARDS)的患病率较高(1.8% vs. 0.2%)。讨论：我们使用我们的算法探讨了不同COVID-19感染时间的孕妇特征：首次从完整的产前护理中推断出时间信息，并使用N3C检测SARS-CoV-2感染的时机。结论：该算法在推断孕周和分娩日期方面表现出色，支持N3C上的全国EHR队列研究COVID-19对孕妇的影响。
作者：Tianchu Lyu, Chen Liang, Jihong Liu, Berry Campbell, Peiyin Hung, Yi-Wen Shih, Nadia Ghumman, Xiaoming Li (on behalf of the National COVID Cohort Collaborative Consortium)
论文ID：2205.02933
分类：Applications
分类简称：stat.AP
提交时间：2023-01-11