编辑推荐：
为解决 HES 数据中 ICD - 10 诊断代码识别大出血事件性能未知的问题，相关研究人员开展此研究。结果显示多数代码 PPV 差，颅内出血代码表现相对较好。该研究为心血管研究中出血事件判定提供新思路，值得科研读者一读。
在医学研究的广阔天地里，临床结局的评估一直是个至关重要的话题。以往，临床试验的随访常常需要直接与患者接触，仔细查阅大量医疗文件，才能确定是否发生了特定的临床事件。这就好比大海捞针，既耗费时间，又花费不菲。于是，越来越多的研究者将目光投向了常规收集的电子医疗数据，就像发现了一座有待挖掘的宝藏。
在英国，NHS 数字数据中的医院事件统计（HES）数据集备受关注，它包含了丰富的信息，就像一个装满宝贝的百宝箱，里面有患者的各种人口统计学信息、临床资料以及行政记录。在 HES 的 admitted patient care dataset（APC，住院患者护理数据集）里，20 个诊断代码字段记录着国际疾病分类第 10 版（ICD - 10）代码，这些代码可是患者就医期间诊断情况的重要标识。
不过，用 HES 数据来确定心血管结局事件，在科学界引发了不少争议。有人怀疑它的准确性，担心数据是否完整、编码是否正确、分析方法是否靠谱，以及和传统的结局确定方法相比有没有经过验证。虽然已经有一些数据支持 HES 在检测某些心血管结局（比如心肌梗死（MI））方面的准确性，但用它来判断大出血事件，可就复杂多了。
心肌梗死或中风，就像 “大反派”，不管具体情况如何，在大多数临床试验中都被归为重大事件。可出血事件就像一群性格各异的 “小精灵”，严重程度各不相同，从微不足道到危及生命都有。心血管研究通常只关注 “重大” 出血事件，这得按照公认的定义，比如出血学术研究联盟标准（BARC）来判断。要确定一个出血事件是否重大，需要考虑很多临床参数，所以光靠出血代码来判断，可不像判断心肌梗死那么简单。
之前的研究发现，HES 检测出血事件的敏感性可能比基层医疗来源高，但对于真正 “重要” 的出血事件，它的阳性预测值（PPV）可能不太理想。而且，目前还没有研究评估过 HES 记录中单个 ICD - 10 代码识别重大出血事件的性能。在这样的背景下，一项研究应运而生。
英国的研究人员在《BMC Medical Research Methodology》期刊上发表了名为《Performance of ICD - 10 diagnostic codes in Hospital Episode Statistics (HES) data for identifying major bleeding events: a secondary analysis of the ROBOT - ACS study》的论文。这项研究利用 ROBOT - ACS 研究的数据，评估 HES 中出血代码检测重大出血事件的性能，看看这些代码到底靠不靠谱。研究得出结论：HES 中诊断 ICD - 10 代码在判断重大出血事件方面表现不佳，若不进一步深入探究，很难准确判断。可以采用混合方法，先用 HES 筛查，再查看记录；或者利用 HES 中更易获取的数据，创建新的重大出血定义。这一结论为后续研究指明了方向，让大家知道了 HES 数据在判断大出血事件上的不足，也给出了改进的思路，对心血管研究意义重大。
为了开展这项研究，研究人员使用了一些关键技术方法。他们从 ROBOT - ACS 研究的 5116 名参与者那里获取了 HES 数据，这些数据涵盖了参与者入组后 12 个月的住院信息。研究人员预先准备了一份详细的 ICD - 10 诊断代码列表，用它来筛选可能的出血事件。一旦 HES 记录中出现列表里的代码，就会触发对相关医疗病历的审查。之后，研究人员分析每个代码出现时，对应的 HES 记录最终是否被判定为重大出血事件（依据 PLATO 或 BARC 标准），通过计算得出每个代码检测重大出血事件的阳性预测值，并给出 95% 的置信区间。他们还比较了不同代码组的性能，并且研究了只考虑 HES 记录中第一个诊断位置代码时，代码性能的变化情况。
下面来看看具体的研究结果。
研究结果
- 数据概况：在 ROBOT - ACS 随访结果数据中，一共有 1172 条 HES 记录包含出血或贫血代码，随访完成率达到 100%。出现次数最多的代码是 T81?（手术相关的出血和血肿，未在其他地方分类），高达 502 次，这可能和很多患者接受了心脏导管插入术有关。另外，D50、K92 和 R04 出现的次数也超过了 100 次。经过判定，研究中有 213 例符合 BARC 或 PLATO 定义的重大出血事件，这些事件就成了后续分析的 “金标准”。
- 单个代码的阳性预测值：研究人员分析了每个代码检测重大出血事件的阳性预测值。结果发现，很少有出现频率较高的代码，其阳性预测值能超过 50%。这说明大部分代码在判断重大出血事件时，准确性不太理想。
- 代码组的阳性预测值：按照出血部位或类型对代码进行分组后发现，颅内出血代码的阳性预测值最高，达到 60%。如果排除 I62 代码，这个比例能上升到 76.9%。而与手术相关的出血代码出现频率最高，但阳性预测值却很低，只有 12.1%。这表明这类代码很难单独用来区分重大手术相关出血事件。
- 贫血代码的作用：贫血代码在检测重大出血方面的表现，和其他一些专门的出血诊断代码差不多。在 213 例判定的重大出血事件中，有 26 例（12.8%）是因为贫血代码才被发现的，这些病例没有其他伴随的特定出血代码。这说明在 HES 初始筛查时，如果不考虑贫血代码，可能会大大低估出血事件的发生率。
研究结论与讨论
综合来看，这项研究的结果表明，用 HES 里的单个诊断出血代码来判断重大出血事件，按照传统标准，准确性不够高。有些代码表现相对较好，比如颅内出血代码，这很好理解，因为不管其他情况如何，颅内出血在 BARC 或 PLATO 定义里肯定属于重大事件。而手术相关的出血代码阳性预测值最低，这是因为在临床中，手术或血管穿刺部位的轻微出血很常见，这些代码虽然出现频率高，但很难区分是否是重大出血。
只考虑第一个诊断位置的代码也不太可行，因为大多数出血代码的阳性预测值还是很低，而且这样做会大大降低检测事件的敏感性。值得注意的是，贫血代码在检测重大出血方面可不能被小看，它和很多专门的出血诊断代码表现相当。
不过，这项研究也有一些局限性。首先，这只是针对一个特定人群的研究，它的结论能不能推广到其他人群还不好说。特别是手术相关出血的编码数据，都来自一个三级心胸外科中心，那里的编码做法和标准可能不能代表英国的平均水平。其次，虽然研究中出血代码的总数比较多，但有些单个代码出现的频率很低，很难判断这些代码在检测重大出血方面的相对性能，这就需要更多的 HES 数据和大量的临床判定，而这是否现实还不好说。最后，由于 ROBOT - ACS 研究没有采用其他检测和随访方法，所以无法确定这些代码检测出血事件的敏感性。要评估敏感性，就得用多种随访方法，比如和传统的试验随访方法（直接与患者接触或访谈）对比，或者参考基层医疗等其他医疗数据库。
这项研究意义非凡，它首次评估了 HES 中单个 ICD - 10 出血代码识别重大出血事件的性能。研究结果告诉我们，光靠 HES 数据准确识别重大出血事件不太可行，因为确定出血事件的严重程度需要很多 HES 里没有的临床数据。未来，也许可以从两个方向改进。一是采用混合方法，就像 ROBOT - ACS 研究那样，先用 HES 数据进行初步筛查，保证检测的敏感性，再通过病历审查和判定来确保特异性。二是创建一个新的 “重大” 出血定义，这个定义要能利用 HES 数据实现，并且在科学界被认可。不过，要实现这个目标，还需要做大量的工作。
这项研究就像一盏明灯，为心血管研究中利用 HES 数据判断出血事件照亮了前行的道路，虽然还有很长的路要走，但它已经为后续研究打下了坚实的基础。
