将国家健康数据库与自闭症谱系障碍儿童队列连接：一种优化链接的混合方法

《Journal of Epidemiology and Population Health》：Linking the national health database to the cohort of children with autism spectrum disorders: a mixed approach to optimising the linkage

　　

背景：自闭症谱系障碍（ASD）是神经发育障碍，具有高度异质性的临床特征、结局和护理路径。将健康管理数据库与队列研究相结合是研究ASD患者医疗保健利用的良好机会。优化的链接应最大化链接率并最小化潜在错误和偏倚，以确保高质量分析和无偏倚。本研究旨在描述法国国家健康数据库（SNDS）与ELENA队列数据库之间的链接策略，并提供优化链接质量的建议。
方法：ELENA队列包括2013年至2019年间确诊ASD的876名儿童。SNDS包含所有由健康保险计划报销的医疗服务。研究人员在参考样本上进行了确定性匹配，并在另一个样本上评估了确定性和概率性方法。使用匹配率以及匹配组与未匹配组之间的比较来评估性能。
结果：研究人员使用确定性或概率性方法匹配了96%的参考样本和53%的另一个样本，使用确定性或混合方法的总匹配率为79%。混合方法最小化了选择偏倚，产生了一个包含692名ASD儿童的链接数据集，其特征与未匹配样本相当。概率性加权显示住院日期是匹配中最具区分力的变量。
结论：混合链接策略优化了匹配质量，同时限制了偏倚，证实了将临床ASD队列数据与SNDS链接的可行性，并加强了未来关于自闭症儿童医疗保健利用的研究。
试验注册号：NCT04292522

论文解读文章

**研究背景与问题**
自闭症谱系障碍（ASD）是一种神经发育障碍，其临床特征、结局和护理路径高度异质。尽管法国国家健康数据系统（SNDS）覆盖99%人口，包含报销、住院和死亡数据，但缺乏详细的临床信息（如疾病严重程度、诊断标准）。将SNDS与临床队列（如ELENA队列）链接可弥补这一不足，为研究ASD患者的医疗保健利用、护理路径和成本提供独特机会。然而，链接面临挑战：ELENA队列缺乏唯一标识符（如社会保障号），且SNDS中精神科住院数据（通过医疗信息程序PMSI收集）质量未经验证，可能因编码不一致或缺失导致匹配错误。现有研究多聚焦于非精神科领域，尚无针对ASD儿童的链接方法学报道。因此，本研究旨在描述SNDS与ELENA队列的链接策略，优化链接质量，减少偏倚，为未来研究奠定基础。论文发表在《Journal of Epidemiology and Population Health》。

**研究内容与结论**
研究人员利用ELENA队列（2013-2019年纳入的876名ASD儿童，来自13个法国医院中心）和SNDS数据库，采用确定性匹配、概率性匹配及混合方法进行链接。通过参考样本（蒙彼利埃医院530名儿童，其住院日期经PMSI验证）和另一样本（其他中心346名儿童）评估性能。结果：确定性匹配在参考样本中达96%匹配率，另一样本仅53%，总匹配率79%；混合方法（确定性与概率性结合）同样达到79%匹配率，但显著减少了选择偏倚，使链接组（692名儿童）与未匹配组在临床和社会人口学特征上基本可比（除父亲教育水平外）。概率性权重分析显示，住院起止日期是最具区分力的匹配变量。结论：混合链接策略是可行的，优化了匹配质量并限制了偏倚，为SNDS与精神科临床队列的链接提供了方法学参考，增强了未来研究ASD儿童医疗利用的能力。

**关键技术与方法**
主要技术方法包括：1）数据准备：检查缺失值并统一编码，对蒙彼利埃医院形成参考样本（样本A，N=530），对其他中心（样本B，N=346）应用住院起始日期误差校正（-1天至+6个月）。2）确定性匹配：使用间接标识符（性别、出生年月、医院、住院起止日期、居住地等）进行精确或部分匹配，并应用置信评分（如住院日期匹配得1分，出生月份匹配得2分）选择最佳匹配对。3）概率性匹配：基于Fellegi-Sunter模型，在参考样本上估计每个变量的匹配概率（m）和误匹配概率（u），计算判别权重（w_i=log(m_i/u_i)或log[(1-m_i)/(1-u_i)]），对样本B进行概率匹配，总权重（w_t）≥阈值时视为匹配。4）混合方法：结合确定性和概率性匹配，避免阻塞策略（因ASD诊断编码不一致导致假阳性）。5）质量评估：比较匹配组与未匹配组在临床特征（智商IQ、ASD严重程度ADOS-2 CSS、适应功能VABS-II等）和人口学特征（教育水平、社会经济地位等）上的差异，使用卡方检验或Wilcoxon检验。样本队列来源为ELENA队列（13个法国医院中心，876名ASD儿童）。

**研究结果**
**确定性匹配结果**：在参考样本（样本A）中达到96%匹配率（530名中509名匹配），在样本B中仅53%（346名中184名匹配），总匹配率79%。匹配组与未匹配组比较显示，智商（IQ）和父亲教育水平存在显著差异（p<0.05）：未匹配组中智力残疾（IQ<70）比例更高（52.2% vs 43.9%），父亲教育水平分布更均匀。其他特征（如性别、年龄、ASD严重程度、适应功能、共病、母亲教育水平、社会经济地位）无显著差异。
**概率性匹配与混合方法结果**：对样本B应用概率性匹配（基于参考样本估计的权重），结合确定性匹配结果，混合方法总匹配率79%（692名匹配，184名未匹配）。匹配组与未匹配组在临床和人口学特征上大致可比，仅父亲教育水平仍存在显著差异（p=0.001），未匹配组中父亲高教育水平比例更高（65.1% vs 47.9%）。混合方法避免了无关对，且未匹配组与匹配组特征更均衡，表明选择偏倚最小化。
**变量区分力分析**：概率性权重评估显示，住院起止日期是最具区分力的变量（权重最高），性别和出生月份权重最低（区分力最弱）。权重在2013-2019年期间保持稳定，但2013年住院起始日期和2019年住院起始日期及医院注册号在特定年份出现波动，可能与精神科PMSI数据质量不均有关。

**讨论与结论**
**讨论总结**：本研究首次证明，在没有唯一标识符的情况下，可将SNDS与精神科临床队列（ASD儿童）成功链接。混合方法（确定性与概率性结合）优于单一方法，能有效减少选择偏倚。匹配质量评估至关重要，尤其需关注父亲教育水平这一残留差异，可能反映数据缺失模式。与既往研究一致，住院日期是主要判别变量，但精神科PMSI数据（因非强制计费）存在编码不一致、缺失和替代数据问题，导致阻塞策略失效。未来需验证SNDS精神科数据质量，并探索其他概率匹配方法（如后验概率法）以更好地整合不确定性。**结论翻译**：本研究旨在首次应用文件方法，将ASD儿童队列数据与法国健康保险数据丰富化。尽管缺乏唯一标识符和数据质量信息，链接成功。此外，多种方法的结果有助于更好地理解精神科住院出院数据库，为未来研究提供参考。ELENA数据库增强SNDS数据后，可能提供与护理路径和护理获取相关的相关指标（临床、经济、地理层面）。