在疾病结果研究中，使用纵向电子健康记录（EHR）数据时减轻分析及推断中的偏见

《BMC Medical Research Methodology》：Mitigating bias in the analysis and inferences from using longitudinal EHR data in disease outcomes research

　　

摘要

背景

电子健康记录（EHR）为提取大量最新的真实世界纵向数据提供了机会。尽管使用EHR数据的主要局限性已被充分认识和描述，但一些未被充分重视的因素可能会威胁到关于EHR变量对慢性疾病结果影响的推断的可靠性。一个未被充分认识的问题是那些在每次患者就诊时都会记录的常规变量（如生命体征、身高和体重）的影响。

方法

我们采用了一种标志点方法，在5年的观察期内识别10种心血管相关疾病的结果。在此期间，EHR中记录的所有体重数据都被用于多变量Cox回归建模，以确定每种疾病结果最强的9个基于体重的预测变量。

结果

我们发现，与其他所有基于体重的变量（最低体重、最高体重、平均体重、最后体重、绝对体重变化、最大体重变化、体重波动和体重循环）以及BMI相比，记录体重的次数作为一个独立变量，是所有10种心血管相关疾病结果的最强预测因子。这些发现表明，在对EHR数据进行纵向分析时，识别和考虑频繁测量的临床变量（如体重）的记录次数非常重要，因为这对于确定其他类似变量对疾病结果的真实影响至关重要。