基于诊断、处方和医疗利用模式的索赔数据中痴呆早期与严重阶段的区分研究

这篇综述通过分析737例痴呆患者的基线数据，利用MMSE评分将痴呆分为早期（≥27）、轻度（20-26）和中重度（0-19）三组，验证了抗精神病药物（OR 3.40）、抗痴呆药物（OR 2.31）和长期护理等级（OR 5.59）作为中重度痴呆的强预测因子（特异性99.6%，PPV 84.6%），但早期痴呆的敏感性较低（15.3%），为索赔数据中痴呆分期的临床决策提供了新思路。

　　

Abstract

本研究针对索赔数据缺乏痴呆严重程度临床参数的问题，通过诊断代码、处方模式和医疗利用数据构建预测模型。基线数据来自三项独立试验（DelpHi-MV、InDePendent、DCM:IMPact），采用迷你精神状态检查（MMSE）和DemTect评分界定痴呆分期，发现抗精神病药使中重度痴呆概率提升21%（AME +21%），而抗痴呆药物和护理等级≥4分别使早期阶段概率降低16%和提升34%。

Introduction

痴呆的早期干预需求与索赔数据的局限性形成矛盾。尽管ICD-10代码和处方模式可作为替代指标，但缺乏验证。研究聚焦德国索赔数据，旨在解决疾病修饰药物（如lecanemab）成本效益评估中目标人群识别的瓶颈问题。

Methods

样本纳入737名社区居住患者（平均年龄80.3岁，56%女性），通过结构化访谈收集医疗资源使用（FIMA问卷）和医师档案数据。采用有序逻辑回归和平均边际效应（AME）分析，Bonferroni校正显著性阈值（α_corrected
=0.001）。

Results

关键发现包括：

1. 药物关联性：抗精神病药使中重度痴呆概率显著增加（OR 3.40, 95% CI 1.94-5.95），抗痴呆药物降低早期阶段概率9%。
2. 护理等级：护理等级≥4时，中重度概率激增34%（OR 5.59）。
3. 模型性能：联合模型对中重度痴呆的特异性达99.6%，但早期阶段敏感性仅15.3%，反映临床实践中早期诊断不足的问题。

Discussion

研究揭示了抗精神病药处方与行为症状进展的临床一致性，但强调早期阶段检测需整合机器学习（如索赔衰弱指数）和风险因素时序分析。值得注意的是，癌症等共病未通过多重检验校正，而抑郁和糖尿病诊断率随痴呆进展呈"峰谷"模式，可能与医疗接触减少有关。

Conclusion

长期护理等级和药物组合可作为索赔数据中痴呆分期的可靠标记，但需优化编码实践（当前23%痴呆病例未记录）并开发新型早期生物标志物。未来方向包括纵向验证和跨数据库泛化性研究，以支持疾病修饰疗法的精准资源配置。