编辑推荐：
为解决新的卵巢癌维持疗法使确定治疗线（LOTs）变得复杂的问题，研究人员开展了利用病历审查验证基于行政索赔的卵巢癌患者 LOTs 识别算法的研究。结果显示该算法与病历有较高一致性，可用于分析治疗模式和结果。
在全球范围内，卵巢癌严重威胁女性健康，是发达国家女性癌症死亡的主要原因之一。由于卵巢癌症状不典型，多数患者确诊时已处于晚期。过去二十多年，卵巢癌的主要治疗方式是细胞减灭术联合铂类和紫杉烷类化疗，但复发率高。近年来，靶向治疗如血管生成抑制剂和聚（ADP - 核糖）聚合酶抑制剂（PARPi）的出现，虽改善了患者预后，却让临床决策变得更为复杂。不同治疗方案的组合繁多，临床试验难以涵盖所有情况，且试验人群与真实世界患者存在差异，使得真实世界证据（RWE）在评估卵巢癌治疗效果方面愈发重要。行政索赔数据虽包含丰富的健康信息，但缺乏详细临床信息，此前也没有经过验证的算法来识别和描述患者的治疗线，这成为深入研究卵巢癌治疗模式和效果的一大阻碍。
为填补这一空白，来自美国的研究人员（包括 AstraZeneca、Optum、Icahn School of Medicine at Mount Sinai 等机构）开展了一项重要研究。研究结果表明，他们开发并验证的基于行政索赔的算法，在识别卵巢癌患者的治疗线方面，与病历记录有很高的一致性。这一成果意义重大，发表在《Advances in Therapy》上，为后续深入研究卵巢癌治疗提供了有力工具。
研究人员采用了多种关键技术方法：首先，利用 Optum 研究数据库（ORD）开发算法，该数据库包含美国大量商业健康计划参保者和 Medicare Advantage 参保者的医疗和药房索赔数据。其次，通过回顾性观察研究，将行政索赔数据与抽取的病历数据相链接，创建个体分析数据库。最后，运用统计学方法，对比算法生成的治疗线结果和病历数据，计算一致性百分比和 kappa 统计量来评估算法性能。
下面详细介绍研究结果：
- 研究样本：最初在 ORD 数据库中筛选出 3833 名卵巢癌诊断且接受系统化疗的患者，经层层筛选，最终 294 名患者的病历纳入研究。这些患者平均年龄 64.9 岁，共病负担较高，近一半患者在索引日期时处于 III 期癌症。
- 算法性能：在识别治疗线总数方面，算法与病历有高度一致性，加权 kappa 值分别为 0.65（主动治疗线）和 0.62（维持治疗线） 。在识别治疗类型（新辅助和辅助治疗）方面，kappa 值分别为 0.56 和 0.62 ，呈现中度到高度的一致性。在识别治疗方案上，早期治疗方案的匹配度更高，如主动治疗线 1 和 2 的匹配度分别达 82% 和 86%，维持治疗线 1 和 2 的匹配度分别为 88% 和 89% 。
研究结论和讨论部分指出，该算法在识别卵巢癌治疗线方面表现出色，为利用行政索赔数据进行卵巢癌治疗的深入分析提供了有效方法。通过此算法，可进一步研究当前卵巢癌的治疗模式和顺序，找到更优的治疗路径，改善患者临床和经济结局。然而，研究也存在一定局限性，如部分临床数据可能缺失、样本存在局限性、算法未在其他数据源测试等。但总体而言，这一研究成果为卵巢癌治疗的研究开辟了新方向，未来可在此基础上不断优化算法，拓展研究范围，让更多卵巢癌患者受益。
