Objective: To develop and test a variety of electronic medical record (EMR) search algorithms to allow clinicians to accurately identify their patients with asthma in order to enable improved care.
Design: A retrospective chart analysis identified 5 relevant unique EMR information fields (electronic disease registry, cumulative patient profile, billing diagnostic code, medications, and chart notes); asthma-related search terms were designated for each field. The accuracy of each term was tested for its ability to identify the asthma patients among all patients whose charts were reviewed. Increasingly sophisticated search algorithms were then designed and evaluated by serially combining individual searches with Boolean operators.
Setting: Two large academic primary care clinics in Hamilton, Ont.
Participants: Charts for 600 randomly selected patients aged 16 years and older identified in an initial EMR search as likely having asthma (n = 150), chronic obstructive pulmonary disease (n = 150), other respiratory conditions (n = 150), or nonrespiratory conditions (n = 150) were reviewed until 100 patients per category were identified (or until all available names were exhausted). A total of 398 charts were reviewed in full and included.
Main outcome measures: Sensitivity and specificity of each search for asthma diagnosis (against the reference standard of a physician chart review-based diagnosis).
Results: Two physicians reviewed the charts identified in the initial EMR search using a standardized data collection form and ascribed the following diagnoses in 398 patients: 112 (28.1%) had asthma, 81 (20.4%) had chronic obstructive pulmonary disease, 104 (26.1%) had other respiratory conditions, and 101 (25.4%) had nonrespiratory conditions. Concordance between reviewers in chart abstraction diagnosis was high (κ = 0.89, 95% CI 0.80 to 0.97). Overall, the algorithm searching for patients who had asthma in their cumulative patient profiles or for whom an asthma billing code had been used was the most accurate (sensitivity of 90.2%, 95% CI 87.3% to 93.1%; specificity of 83.9%, 95% CI 80.3% to 87.5%).
Conclusion: Usable, practical search algorithms that accurately identify patients with asthma in existing EMRs are presented. Clinicians can apply 1 of these algorithms to generate asthma registries for targeted quality improvement initiatives and outcome measurements. This methodology can be emulated for other diseases.
Objectif: Élaborer et tester divers algorithmes de recherche pour des dossiers médicaux électroniques (DME) afin que les cliniciens puissent identifier avec précision leurs patients asthmatiques afin d’améliorer les soins.
Type d’étude: Une analyse rétrospective de dossiers a permis d’identifier 5 champs d’information propres aux DME (registre électronique des maladies, profil cumulatif du patient, code de diagnostic pour la facturation, médication et notes au dossier); des termes de recherche en lien avec l’asthme ont été choisis pour chacun des champs. On a testé la précision avec laquelle chaque terme pouvait repérer les asthmatiques parmi tous les patients dont les dossiers ont été révisés. Des algorithmes de recherche de plus en plus sophistiqués ont ensuite été élaborés et évalués en combinant en série les recherches individuelles avec des opérateurs booléens.
Contexte: Deux grandes cliniques universitaires de soins primaires à Hamilton, Ontario.
Participants: On a révisé les dossiers de 600 patients de 16 ans et plus, choisis au hasard, qui, d’après une première révision des dossiers, souffraient probablement d’asthme (n = 150), d’une autre condition respiratoire (n = 150) ou d’un problème non respiratoire (n = 150), jusqu’à ce qu’on ait identifié 100 patients dans chacune des catégories (ou jusqu’à épuisement de tous les noms). En tout, 308 dossiers ont été entièrement révisés et inclus.
Principaux paramètres à l’étude: Sensibilité et spécificité de chaque recherche d’un diagnostic d’asthme (avec comme référence standard le diagnostic du médecin qui avait révisé le dossier).
Résultats: Deux médecins ont révisé les dossiers qui avaient été retenus dans la recherche initiale sur les DME à l’aide d’un formulaire standardisé pour la collecte des données et ont attribué les diagnostics suivants à 398 patients : 112 diagnostics d’asthme (28,1 %), 81 de maladie pulmonaire obstructive chronique (20,4 %), 104 d’autres maladies respiratoires (26,1 %) et 101 de conditions non respiratoires (25,4 %). Il y avait une excellente concordance entre les réviseurs pour les diagnostics basés sur les dossiers (κ = 0,89, IC à 95 % 0,80 à 0,97). Dans l’ensemble, la recherche par algorithme chez les patients qui avaient le terme asthme dans leur profile cumulatif ou chez ceux pour lesquels un code de facturation d’asthme avait été utilisé était la méthode la plus sensible (sensibilité = 90,2 %, IC à 95 % 87,3 à 93,1 %; spécificité = 83,9 %, IC à 95 % 80,3 à 87,5 %).
Conclusion: Cet article décrit des algorithmes de recherche pratiques et d’utilisation facile permettant d’identifier avec précision les patients asthmatiques à partir de DME. Les cliniciens peuvent utiliser ces algorithmes pour élaborer des registres de l’asthme permettant d’entreprendre des mesures d’amélioration de la qualité des soins et d’évaluer les issues. Ces méthodes peuvent être utilisées pour d’autres maladies.