Redistribution of heart failure deaths using two methods: linkage of hospital records with death certificate data and multiple causes of death data / Redistribuição de óbitos por insuficiência cardíaca usando dois métodos: linkage de registros hospitalares com dados de atestados de óbito e de causas múltiplas de morte / Redistribución de las muertes por fallo cardíaco usando dos métodos: enlace a registros hospitalarios con datos del certificado de defunción y sobre causas múltiples de la muerte

Heart failure is considered a garbage code when assigned as the underlying cause of death. Reassigning garbage codes to plausible causes reduces bias and increases comparability of mortality data. Two redistribution methods were applied to Brazilian data, from 2008 to 2012, for decedents aged 55 years and older. In the multiple causes of death method, heart failure deaths were redistributed based on the proportion of underlying causes found in matched deaths that had heart failure listed as an intermediate cause. In the hospitalization data method, heart failure deaths were redistributed based on data from the decedents' corresponding hospitalization record. There were 123,269 (3.7%) heart failure deaths. The method with multiple causes of death redistributed 25.3% to hypertensive heart and kidney diseases, 22.6% to coronary heart diseases and 9.6% to diabetes. The total of 41,324 heart failure deaths were linked to hospitalization records. Heart failure was listed as the principal diagnosis in 45.8% of the corresponding hospitalization records. For those, no redistribution occurred. For the remaining ones, the hospitalization data method redistributed 21.2% to a group with other (non-cardiac) diseases, 6.5% to lower respiratory infections and 9.3% to other garbage codes. Heart failure is a frequently used garbage code in Brazil. We used two redistribution methods, which were straightforwardly applied but led to different results. These methods need to be validated, which can be done in the wake of a recent national study that will investigate a big sample of hospital deaths with garbage codes listed as underlying causes.

A insuficiência cardíaca, quando atribuída como a causa básica de morte, é considerada um código lixo. A reatribuição de códigos lixo a causas plausíveis tem por objetivo reduzir viés e aumentar a comparabilidade de dados sobre mortalidade. Dois modelos de redistribuição foram aplicados a dados brasileiros de 2008 a 2012, para pacientes falecidos de 55 anos de idade ou mais. No modelo de causas múltiplas de morte, óbitos por insuficiência cardíaca foram redistribuídos com base na proporção de causas básicas identificadas em óbitos pareados que tinham insuficiência cardíaca listada como causa intermediária. No método de dados hospitalares, óbitos por insuficiência cardíaca foram redistribuídos com base nos dados dos registros de hospitalização dos pacientes falecidos. Houve 123.269 (3,7%) óbitos por insuficiência cardíaca. O método de causas múltiplas de morte redistribuiu 25,3% para doenças cardíacas hipertensivas e doenças renais, 22,6% para doenças cardíacas coronarianas e 9,6% para diabetes. Houve 41.324 óbitos por insuficiência cardíaca relacionados com registros de hospitalização. A insuficiência cardíaca foi listada como o diagnóstico principal em 45,8% dos registros de hospitalização correspondentes. Para estes, não foi feita redistribuição. Para os óbitos remanescentes, o método de dados hospitalares redistribuiu 21,2% para outras doenças (não cardíacas), 6,5% para infecções das vias aéreas inferiores e 9,3% para outros códigos lixo. A insuficiência cardíaca é um código lixo frequentemente usado no Brasil. Nós usamos dois métodos de redistribuição, aplicados de forma simples, mas que levaram a resultados distintos. É importante que esses métodos sejam validados, o que pode ser feito a partir de um estudo nacional recente que investigará uma grande amostra de óbitos hospitalares com códigos lixo listados como causas básicas.

El fallo cardíaco, cuando es asignado como causa subyacente de la muerte está considerado como código basura. El objetivo de este estudio es reasignar códigos basura de fallecimiento, con el fin de reducir sesgos e incrementar la comparabilidad de los datos de mortalidad. Se aplicaron dos métodos de redistribución en los datos brasileños de 2008 a 2012, para fallecidos de 55 años y mayores. En el método de causas múltiples de muerte, las muertes por fallo cardiaco fueron redistribuidas basándose en la proporción de causas subyacentes encontradas en las muertes compatibles que contaban con un fallo cardiaco descrito como causa intermedia. En el método de datos de hospitalización, las muertes por fallo cardiaco fueron redistribuidas basándose en datos del historial de hospitalización de los fallecimientos. Hubo 123.269 (3,7%) muertes por fallo cardíaco. El método de múltiples causas de fallecimiento redistribuyó un 25,3% a problemas de hipertensión cardiaca y enfermedades de riñón, un 22,6% a enfermedades coronarias de corazón y un 9,6% a diabetes. Hubo 41.324 muertes por fallos cardiacos vinculadas a los registros de hospitalización. El fallo cardíaco fue listado como diagnóstico principal en un 45,8% de los registros de hospitalización correspondientes. Para estos últimos, no se produjo redistribución. En el caso de los restantes, el método de datos de hospitalización redistribuyó un 21,2% a un grupo con otras enfermedades (no-cardíacas), un 6,5% a infecciones en las vías respiratorias bajas y un 9,3% a otros códigos basura. El fallo cardíaco es frecuentemente usado en Brasil como código basura. Usamos dos métodos de redistribución, que fueron directamente aplicados, pero que condujeron a resultados diferentes. Es importante validar estos métodos, que como consecuencia de un estudio nacional recientemente iniciado es posible que se pueda hacer, además de investigar una gran muestra de muertes hospitalarias registradas con códigos basura procedentes de causas subyacentes.

Inclusão de etapa de pós-processamento determinístico para o aumento de performance do relacionamento (linkage) probabilístico / Inclusion of a deterministic post-processing stage to increase the performance of probabilistic record linkage / Inclusión de la etapa de postprocesamiento determinístico para el aumento del rendimiento del enlace (linkage) probabilístico

O objetivo do presente estudo foi demonstrar a aplicação de uma etapa de pós-processamento determinístico, baseada em medidas de similaridade, para aumentar a performance do relacionamento probabilístico com e sem a etapa de revisão manual. As bases de dados utilizadas no estudo foram o Sistema de Informação de Agravos de Notificação e o Sistema de Informações sobre Mortalidade, no período de 2007 a 2015, do Município de Palmas, Tocantins, Brasil. O software probabilístico utilizado foi o OpenRecLink; foi desenvolvida e aplicada uma etapa de pós-processamento determinístico aos dados obtidos por três diferentes estratégias de pareamento probabilístico. As três estratégias foram comparadas entre si e acrescidas da etapa de pós-processamento determinístico. A sensibilidade das estratégias probabilísticas sem revisão manual variou entre 69,1% e 77,8%, já as mesmas estratégias, acrescidas da etapa de pós-processamento determinístico, apresentaram uma variação entre 92,9% e 96,3%. A sensibilidade de duas estratégias probabilísticas com revisão manual foi semelhante à obtida pela etapa de pós-processamento determinístico, no entanto, o número de pares destinados à revisão manual pelas duas estratégias probabilísticas variou entre 1.177 e 1.132 registros, contra 149 e 145 após a etapa de pós-processamento determinístico. Nossos resultados sugerem que a etapa de pós-processamento determinístico é uma opção promissora, tanto para aumentar a sensibilidade quanto para reduzir o número de pares que precisam ser revisados manualmente, ou mesmo para eliminar sua necessidade.

The aim of this study was to demonstrate the application of a deterministic post-processing stage, based on measures of similarity, to increase the performance of probabilistic record linkage with and without manual revision. The databases used in the study were the Brazilian Information System for Notificable Diseases and the Brazilian Mortality Information System, from 2007 to 2015, in Palmas, Tocantins State, Brazil. The probabilistic software was OpenRecLink, and a deterministic post-processing stage was applied to the data obtained from three different probabilistic linkage strategies. The three strategies were compared to each other, and the deterministic post-processing stage was added. The sensibility of the probabilistic strategies without manual revision varied from 69.1% and 77.8%, while the same strategies plus the deterministic post-processing stage varied from 92.9% to 96.3%. Sensitivity of the two probabilistic strategies with manual revision was similar to that obtained by the deterministic post-processing stage, but the number of matches that were referred to manual revision by the two probabilistic strategies varied between 1,177 and 1,132 records, compared to 149 and 145 after the deterministic post-processing stage. Our findings suggest that the deterministic post-processing stage is a promising option, both to increase the sensitivity and to reduce the number of matches that need to be reviewed manually, or even to eliminate the need for manual revision altogether.

El objetivo del presente estudio fue mostrar la aplicación de una etapa de postprocesamiento determinístico, basada en medidas de similitud, con el objeto de aumentar el rendimiento del enlace probabilístico con y sin etapa de revisión manual. Las bases de datos utilizadas en el estudio fueron el Sistema de Información sobre Enfermedades de Notificación Obligatoria y el Sistema de Informaciones sobre Mortalidad, durante el período de 2007 a 2015, en el municipio de Palmas, Tocantins, Brasil. El software probabilístico utilizado fue el OpenRecLink; se desarrolló y aplicó una etapa de postprocesamiento determinístico con los datos obtenidos mediante tres estrategias diferentes de emparejamiento probabilístico. Las tres estrategias se compararon entre sí y se añadieron a la etapa de postprocesamiento determinístico. La sensibilidad de las estrategias probabilísticas sin revisión manual varió entre el 69,1% y el 77,8%, incluso las mismas estrategias, añadidas de la etapa de postprocesamiento determinístico, presentaron una variación entre 92,9% y 96,3%. La sensibilidad de las dos estrategias probabilísticas con revisión manual fue semejante a la obtenida por la etapa de postprocesamiento determinístico, sin embargo, el número de pares destinados a la revisión manual por las dos estrategias probabilísticas varió entre 1.177 y 1.132 registros, frente 149 y 145 tras la etapa de postprocesamiento determinístico. Nuestros resultados sugieren que la etapa de postprocesamiento determinístico es una opción prometedora, tanto para aumentar la sensibilidad, como para reducir el número de pares que necesitan ser revisados manualmente, o incluso para eliminar su necesidad.

Accuracy of a probabilistic record-linkage methodology used to track blood donors in the Mortality Information System database / Acurácia da metodologia de relacionamento probabilístico de registros na identificação de doadores de sangue no banco de dados do Sistema de Informações sobre Mortalidade / La exactitud del método probabilístico de relación para identificar a donantes de sangre en la base de datos del Sistema de Información sobre Mortalidad

The probabilistic record linkage (PRL) is based on a likelihood score that measures the degree of similarity of several matching variables. Screening test results for different diseases are available for the blood donor population. In this paper, we describe the accuracy of a PRL process used to track blood donors from the Fundação Pró-Sangue (FPS) in the Mortality Information System (SIM), in order that future studies might determine the blood donor’s cause of death. The databases used for linkage were SIM and the database made up of individuals that were living (200 blood donors in 2007) and dead (196 from the Hospital das Clinicas de São Paulo that died in 2001-2005). The method consists of cleaning and linking the databases using three blocking steps comparing the variables “Name/Mother’s Name/ Date of Birth” to determine a cut-off score. For a cut-off score of 7.06, the sensitivity and specificity of the method is 94.4% (95%CI: 90.0-97.0) and 100% (95%CI: 98.0-100.0), respectively. This method can be used in studies that aim to track blood donors from the FPS database in SIM.

O relacionamento probabilístico se baseia em um escore que é calculado levando em consideração a similaridade do pareamento de diversas variáveis. Dados de resultados de testes de triagem para diferentes doenças estão disponíveis para a população de doadores de sangue. Neste artigo descrevemos a acurácia de um processo de relacionamento probabilístico para identificar doadores de sangue da Fundação Pró-Sangue (FPS) no Sistema de Informações sobre Mortalidade (SIM). Os bancos utilizados para o relacionamento foram o SIM e o banco formado por indivíduos vivos (200 doadores de sangue em 2007) e mortos (196 pacientes do Hospital das Clínicas de São Paulo que morreram entre 2001-2005). O método consistiu em limpar e relacionar probabilísticamente os bancos em três passos de blocagem comparando as variáveis “Nome/Nome Mãe /Data de Nascimento” para determinar um escore de corte. Para um escore de corte de 7,06 a sensibilidade e especificidade do método é de 94,4% (IC95%: 90-97) e 100% (IC95%: 98-100), respectivamente. Este método pode ser utilizado em estudos para identificar pacientes da FPS no SIM.

La relación probabilística (RP) se basa en una puntuación que se calcula en función de la similitud entre variables de emparejamiento. Los resultados de los tests sobre diferentes enfermedades están a disposición de la población de donantes de sangre. En el presente artículo se describe la precisión de un proceso de RP para identificar a donantes de sangre de la Fundação Pró-Sangue (FPS) en el Sistema de Información de Mortalidad (SIM). Se llevó a cabo la RP del SIM y de un banco compuesto por individuos vivos (200 donantes de sangre en 2007) y muertos (196 pacientes del Hospital de Clínicas de São Paulo, que murieron entre 2001 y 2005). El método consistió en depurar los bancos de datos y RP en tres etapas de bloqueo, comparando las variables nombre, nombre de la madre y fecha de nacimiento para determinar un punto de corte. Para el punto de corte 7:06, la especificidad y sensibilidad del método fue de un 94,4% (IC95%: 90,0-97,0) y 100% (IC95%: 98,0-100,0), respectivamente. Este método puede ser utilizado en más estudios con el fin de identificar a los pacientes FPS en el SIM.