自我报告与医保数据 “对质”：心血管疾病诊断准确性的深度剖析

在心血管疾病（CVD）研究中，自我报告数据准确性存疑。为探究其与医保数据的一致性，研究人员以 LIFE-Adult 研究为基础开展分析。结果显示，二者在不同疾病诊断上一致性有差异，此研究为减少数据误判提供依据，助力精准医疗。

　　心血管疾病是全球的 “健康杀手”，每年因心血管疾病离世的人数居高不下，给各国医疗系统带来沉重负担。在医学研究里，自我报告数据因便捷性被广泛用于收集疾病信息，可它的准确性却饱受质疑。不同人的认知差异、社会因素干扰，都会让自我报告的数据 “掺水”。就像在心血管流行病学领域，自我报告和医疗记录之间的一致性参差不齐，这让研究人员很是头疼，因为错误的数据可能导致研究结果跑偏，制定的医疗策略也跟着出错。所以，搞清楚自我报告数据的准确性，找到靠谱的验证方法，成了医学研究的当务之急。

德国莱比锡大学等机构的研究人员开展了一项研究，旨在评估基于人群队列研究的自我报告数据与德国两家大型健康保险公司数据之间的一致性。研究成果发表在《Archives of Public Health》上。

研究人员用到的主要关键技术方法如下：

1. 样本队列：选取 LIFE-Adult 研究中的参与者，该研究随机挑选了 10,000 名 18 - 79 岁的德国莱比锡居民，参与者在 2011 - 2014 年进行了全面健康检查，并在 2017 - 2020 年完成随访调查。
2. 数据收集：通过标准化问卷收集参与者的医疗诊断等信息；从两家德国大型法定健康保险公司获取 ICD - 10 - GM 编码的疾病诊断数据。
3. 统计分析：运用交叉表分析、计算敏感度、特异度、Cohen's Kappa 值等指标，还进行多变量逻辑回归模型分析。

下面来看看具体的研究结果：

1. 研究对象特征：最终分析纳入 1784 名参与者，整体 LIFE - Adult 研究队列平均年龄 57（±12）岁，女性占 52%；分析的子队列平均年龄 58（±12）岁，女性占 55% 。
2. 疾病患病率：在随访调查中，自我报告有中风、心房颤动（AF）、心力衰竭（HF）、心肌梗死（MI）病史的参与者比例分别为 2.9%、5.5%、3.5%、2.6%；而医保数据显示的患病率分别为 6.1%、7.7%、9.6%、4.2% 。
3. 数据一致性分析：在与医保数据对比时，四种疾病诊断的特异度都较高（中风、AF、MI 为 99%，HF 为 98%），但敏感度差异较大，HF 的敏感度最低，仅 20%，AF 最高，为 65%。Cohen's Kappa 值也表明，中风、AF、MI 的一致性较好，HF 的一致性差。
4. 多变量逻辑回归分析：以年龄、性别、BMI > 25 kg/m²、吸烟状况为风险因素进行分析，发现不同数据源下，风险因素与疾病的关联存在差异。比如在 HF 模型中，基于自我报告数据的 BMI > 25 kg/m²的 OR 值几乎是医保数据的两倍。

研究结论和讨论部分指出，利用医保数据验证自我报告数据，在不同心血管疾病诊断上的一致性存在差异。自我报告存在低估疾病患病率的情况，并且不同性别、年龄的参与者自我报告的敏感度不同。此次研究表明，使用医保数据验证自我报告诊断具有可行性，同时也强调了多数据源在研究中的重要性。这一研究为后续心血管疾病研究提供了可靠的数据验证思路，有助于减少自我报告数据的误判，推动心血管疾病研究和防治工作的精准化发展，让医疗决策更科学，更好地守护大众健康。