
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于电子病历的慢性疼痛识别系统(C-PICTURE):利用初级保健记录识别慢性疼痛患者的算法开发与验证:研究方案
《BMC Public Health》:Chronic Pain Identification Through Electronic Records (C-PICTURE): development and validation of an algorithm to identify people with chronic pain using primary care records: study protocol
【字体: 大 中 小 】 时间:2026年07月12日 来源:BMC Public Health 4.4
编辑推荐:
摘要背景慢性疼痛是一种极为常见且会导致功能障碍的疾病,但其实际患病人数仍缺乏准确数据。部分原因在于常规收集的电子健康记录中缺乏能够准确反映患者真实体验的标准化病例识别方法。现有的慢性疼痛识别算法存在验证不足、慢性疼痛患者参与度低以及诊断准确性差等问题。C-PICTURE研究旨在开
慢性疼痛是一种极为常见且会导致功能障碍的疾病,但其实际患病人数仍缺乏准确数据。部分原因在于常规收集的电子健康记录中缺乏能够准确反映患者真实体验的标准化病例识别方法。现有的慢性疼痛识别算法存在验证不足、慢性疼痛患者参与度低以及诊断准确性差等问题。C-PICTURE研究旨在开发、优化并验证一种算法,以便在初级保健机构的电子健康记录中准确识别出患有慢性疼痛的患者。
这项混合方法研究分为四个阶段,首先进行算法试点。在苏格兰挑选了六家具有不同地理特征、人口结构和社会经济背景的普通诊所作为研究对象。第一阶段是对这六家诊所的1,200份电子病历进行分析,以此建立用于算法比较的参考数据集。第二阶段向约6,200名成年人发放患者自我报告调查问卷,收集有关慢性疼痛是否存在、严重程度、影响以及管理策略等方面的数据。第三阶段通过半结构化访谈和焦点小组,与慢性疼痛患者及医疗保健提供者交流,探讨基于编码的慢性疼痛评估与患者自我报告之间的差异,了解当前的编码实践,并研究人们如何利用医疗服务来应对自身需求。第四阶段则利用初级保健智能服务在六家诊所中对该算法进行试点测试,将算法的检测结果与病历分析及患者自我报告数据相互对比。研究还会计算灵敏度、特异性、预测值以及受试者工作特征曲线下面积,并通过交叉验证来评估算法的内部有效性。各阶段之间数据的关联有助于对最终算法进行进一步优化和验证。
C-PICTURE研究将通过利用苏格兰的初级保健数据,打造首个经过验证的基于人群的慢性疼痛识别方法,从而填补现有研究中的证据空白。该算法整合了临床记录、患者自我报告数据以及定性分析结果,因此能够同时反映慢性疼痛的生物医学特征和患者的实际体验。研究结果将对政策制定、临床实践以及相关研究产生重要影响,包括揭示当前编码实践的局限性、为疾病监测提供支持,以及为全国范围内的疼痛管理服务规划提供依据。此外,这一经过验证的算法还可以被调整后应用于英国及其他国家,有助于开展流行病学监测,并为未来的慢性疼痛研究奠定基础。
此项研究已在英国临床研究注册处进行登记(ISRCTN编号:37628569;登记日期为2024年2月27日;DOI:https://doi.org/10.1186/ISRCTN37628569)。
慢性疼痛是一种极为常见且会导致功能障碍的疾病,但其实际患病人数仍缺乏准确数据。部分原因在于常规收集的电子健康记录中缺乏能够准确反映患者真实体验的标准化病例识别方法。现有的慢性疼痛识别算法存在验证不足、慢性疼痛患者参与度低以及诊断准确性差等问题。C-PICTURE研究旨在开发、优化并验证一种算法,以便在初级保健机构的电子健康记录中准确识别出患有慢性疼痛的患者。
这项混合方法研究分为四个阶段,首先进行算法试点。在苏格兰挑选了六家具有不同地理特征、人口结构和社会经济背景的普通诊所作为研究对象。第一阶段是对这六家诊所的1,200份电子病历进行分析,以此建立用于算法比较的参考数据集。第二阶段向约6,200名成年人发放患者自我报告调查问卷,收集有关慢性疼痛是否存在、严重程度、影响以及管理策略等方面的数据。第三阶段通过半结构化访谈和焦点小组,与慢性疼痛患者及医疗保健提供者交流,探讨基于编码的慢性疼痛评估与患者自我报告之间的差异,了解当前的编码实践,并研究人们如何利用医疗服务来应对自身需求。第四阶段则利用初级保健智能服务在六家诊所中对该算法进行试点测试,将算法的检测结果与病历分析及患者自我报告数据相互对比。研究还会计算灵敏度、特异性、预测值以及受试者工作特征曲线下面积,并通过交叉验证来评估算法的内部有效性。各阶段之间数据的关联有助于对最终算法进行进一步优化和验证。
C-PICTURE研究将通过利用苏格兰的初级保健数据,打造首个经过验证的基于人群的慢性疼痛识别方法,从而填补现有研究中的证据空白。该算法整合了临床记录、患者自我报告数据以及定性分析结果,因此能够同时反映慢性疼痛的生物医学特征和患者的实际体验。研究结果将对政策制定、临床实践以及相关研究产生重要影响,包括揭示当前编码实践的局限性、为疾病监测提供支持,以及为全国范围内的疼痛管理服务规划提供依据。此外,这一经过验证的算法还可以被调整后应用于英国及其他国家,有助于开展流行病学监测,并为未来的慢性疼痛研究奠定基础。
此项研究已在英国临床研究注册处进行登记(ISRCTN编号:37628569;登记日期为2024年2月27日;DOI:https://doi.org/10.1186/ISRCTN37628569)。
生物通微信公众号