Your browser doesn't support javascript.
loading
Identifying cases of chronic pain using health administrative data: A validation study.
Foley, Heather E; Knight, John C; Ploughman, Michelle; Asghari, Shabnam; Audas, Rick.
Afiliação
  • Foley HE; Division of Community Health and Humanities, Faculty of Medicine, Memorial University of Newfoundland, St. John's, Newfoundland and Labrador, Canada.
  • Knight JC; Division of Community Health and Humanities, Faculty of Medicine, Memorial University of Newfoundland, St. John's, Newfoundland and Labrador, Canada.
  • Ploughman M; Primary Health Care Research Unit, Faculty of Medicine, Memorial University of Newfoundland, St. John's, Newfoundland and Labrador, Canada.
  • Asghari S; Physical Medicine & Rehabilitation, Faculty of Medicine, Memorial University of Newfoundland, St. John's, Newfoundland and Labrador, Canada.
  • Audas R; Discipline of Family Medicine, Faculty of Medicine, Memorial University of Newfoundland, St. John's, Newfoundland and Labrador, Canada.
Can J Pain ; 4(1): 252-267, 2020 Dec 03.
Article em En | MEDLINE | ID: mdl-33987504
ABSTRACT

BACKGROUND:

Most prevalence estimates of chronic pain are derived from surveys and vary widely, both globally (2%-54%) and in Canada (6.5%-44%). Health administrative data are increasingly used for chronic disease surveillance, but their validity as a source to ascertain chronic pain cases is understudied.

AIM:

The aim of this study was to derive and validate an algorithm to identify cases of chronic pain as a single chronic disease using provincial health administrative data.

METHODS:

A reference standard was developed and applied to the electronic medical records data of a Newfoundland and Labrador general population sample participating in the Canadian Primary Care Sentinel Surveillance Network. Chronic pain algorithms were created from the administrative data of patient populations with chronic pain, and their classification performance was compared to that of the reference standard via statistical tests of selection accuracy.

RESULTS:

The most performant algorithm for chronic pain case ascertainment from the Medical Care Plan Fee-for-Service Physicians Claims File was one anesthesiology encounter ever recording a chronic pain clinic procedure code OR five physician encounter dates recording any pain-related diagnostic code in 5 years with more than 183 days separating at least two encounters. The algorithm demonstrated 0.703 (95% confidence interval [CI], 0.685-0.722) sensitivity, 0.668 (95% CI, 0.657-0.678) specificity, and 0.408 (95% CI, 0.393-0.423) positive predictive value. The chronic pain algorithm selected 37.6% of a Newfoundland and Labrador provincial cohort.

CONCLUSIONS:

A health administrative data algorithm was derived and validated to identify chronic pain cases and estimate disease burden in residents attending fee-for-service physician encounters in Newfoundland and Labrador.
Contexte La plupart des estimations de prévalence de la douleur chronique sont tirées d'enquêtes et varient considérablement, à la fois dans le monde (2 % -54 %) et au Canada (6,5 % - 44 %). Les données administratives sur la santé utilisées pour la surveillance des maladies chroniques, mais leur validité comme source pour déterminer les cas de douleur chronique est sous-étudiée.Objectif Le but de cette étude était de dériver et de valider un algorithme pour répertorier les cas de douleur chronique comme une seule maladie chronique en utilisant les données administratives provinciales sur la santé.Méthodes Une norme de référence a été élaborée et appliquée aux données des dossiers médicaux électroniques d'un échantillon de la population générale de Terre-Neuve-et-Labrador participant au Réseau canadien de surveillance sentinelle en soins primaires. Des algorithmes de douleur chronique ont été créés à partir des données administratives de populations de patients souffrant de douleur chronique et leur rendement en matière de classification a été comparé à celui de la norme de référence par le biais de tests statistiques sur la précision de sélection.Résultats L'algorithme le plus performant pour la détermination des cas de douleur chronique à partir du Registre des paiements des soins médicaux rémunérés à l'acte était une seule consultation en anesthésiologie au cours de laquelle un code de procédure d'intervention clinique en matière de douleur chronique était enregistré OU cinq consultations médicales en cinq ans au cours desquelles était enregistré tout code de diagnostic lié à la douleur, avec une période de plus de 183 jours entre au moins deux consultations.L'algorithme a démontré une sensibilité de 0,703 (intervalle de confiance [IC] à 95 %, 0,685 à 0,722), une spécificité de 0,668 (IC 95 %, 0,657-0,678) et une valeur prédictive positive de 0,408 (IC 95 %, 0,393-0,423). L'algorithme de la douleur chronique a sélectionné 37,6 % d'une cohorte provinciale de Terre-Neuve-et-Labrador.

Conclusions:

Un algorithme de données administratives sur la santé a été dérivé et validé pour répertorier les cas de douleur et estimer le fardeau de la maladie chez les résidents ayant consulté un médecin rémunéré à l'acte à Terre-Neuve et Labrador.
Palavras-chave

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Tipo de estudo: Guideline / Risk_factors_studies Idioma: En Ano de publicação: 2020 Tipo de documento: Article

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Tipo de estudo: Guideline / Risk_factors_studies Idioma: En Ano de publicação: 2020 Tipo de documento: Article