Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Onderzoek ter validatie van gecodeerde medische termen die worden gebruikt om opioïdgerelateerde overdosering te identificeren in databases die worden gebruikt voor PMR-onderzoek 1B

14 april 2020 bijgewerkt door: Member Companies of the Opioid PMR Consortium

Onderzoek ter validatie van gecodeerde medische terminologieën die worden gebruikt om opioïdgerelateerde overdosering te identificeren in de postmarketingdatabases die worden gebruikt in PMR-onderzoek 1B

Het doel van deze studie is om de betrouwbaarheid te bepalen van codes en gegevens uit elektronische medische dossiers om overdosering en overlijden te voorspellen en te meten bij patiënten die opioïde analgetica krijgen voorgeschreven. De studie zal deze elektronische gegevens vergelijken met gegevens die handmatig zijn verkregen uit medische dossiers.

Studie Overzicht

Gedetailleerde beschrijving

Als onderdeel van een reeks post-marketing vereisten (PMR)-onderzoeken voor verlengde afgifte (ER) en langwerkende (LA) opioïde analgetica, vereist de Food and Drug Administration (FDA) houders van een nieuwe geneesmiddelentoepassing (NDA) van ER /LA opioïden om studies uit te voeren om de incidentie van verkeerd gebruik, misbruik, verslaving, overdosering en overlijden te schatten bij patiënten met chronische pijn die langdurige opioïdetherapie gebruiken, en om de maatregelen te valideren die zijn gebruikt om de incidentie van deze bijwerkingen te schatten.

Het doel van deze studie is het valideren van de meting van opioïdoverdosisgebeurtenissen met behulp van diagnostische codes en gegevens die zijn ontleend aan aantekeningen in het elektronisch medisch dossier (EMR), vergezeld van diagnostische algoritmen, om te worden gebruikt in een onderzoek naar de incidentie en voorspellers van opioïden. overdosering en overlijden (PMR-onderzoek 1B) bij patiënten die opioïde analgetica kregen voorgeschreven. Diagnostische codes, vergezeld van diagnostische algoritmen, zullen worden vergeleken met handmatig geabstraheerde beoordelingen van medische dossiers.

Op codes gebaseerde algoritmen zullen nuttig zijn voor het identificeren van overdoses opioïden in op claims gebaseerde systemen die alleen gecodeerde gegevens bevatten, en zullen ook toepasbaar zijn in systemen met EMR's. Op codes gebaseerde algoritmen zullen worden verbeterd met tekstzoeken van EMR-klinische notaties met behulp van Natural Language Processing (NLP) om overdoseringsgebeurtenissen te identificeren die niet worden geïdentificeerd door diagnostische codes en om onderscheid te maken tussen opzettelijke en onopzettelijke overdoses. De opbrengst van het resulterende op EMR gebaseerde algoritme zal opnieuw worden vergeleken met handmatig geabstraheerde beoordelingen van medische dossiers.

Dit op EMR gebaseerde algoritme zal nuttig zijn voor het identificeren van overdoses opioïden in systemen met EMR's, en voor het verder differentiëren tussen de oorzaken van verschillende soorten overdoses. Overdosisgebeurtenissen kunnen bijvoorbeeld het gevolg zijn van verkeerd gebruik (bijv. therapeutisch gebruik niet zoals geïndiceerd door een arts), medicatiefouten door patiënten, medische fouten gemaakt door voorschrijvers, misbruik door patiënten, misbruik door niet-patiënten die zich voordoen als patiënt om medicijnen krijgen; en zelfmoorden. Overdosisgebeurtenissen verschillen daarom in opzet, dat wil zeggen of de persoon een zelfmoordpoging deed of niet. Onbedoelde overdoses kunnen optreden als gevolg van verschillende oorzaken, waaronder verkeerd gebruik (therapeutisch gebruik maar niet in overeenstemming met instructies van de arts), misbruik, bijwerkingen van medicijnen, anesthesie en medicatiefouten, zowel op basis van patiënt als leverancier. Bovendien kan het onderscheid tussen onbedoelde en opzettelijke overdoses soms onduidelijk zijn. Deze validatiestudie zal proberen een overdosis te differentiëren op basis van intentionaliteit met behulp van zowel op code gebaseerde algoritmen als NLP-verbeterde algoritmen.

Momenteel gebruiken administratieve databases ICD-9-codes voor niet-fatale diagnoses en ICD-10-codes voor fatale gebeurtenissen. In oktober 2015 zijn ICD-10-codes gepland om ICD-9-codes voor niet-fatale diagnoses in administratieve databases te vervangen. Deze studie zal bestaande ICD-9-codes valideren, zodat de studie kan voldoen aan de door de FDA vereiste tijdlijn voor een eindrapport in november 2015.

Deze studie zal misbruik niet evalueren, aangezien dit zal worden vastgelegd door instrumenten in een prospectieve studie van patiënten met chronische pijn (PMR-studie 1A) met behulp van een combinatie van aangepaste gevalideerde instrumenten en nieuwe instrumenten die zullen worden geëvalueerd in PMR-studie 2. Deze studie zal bevat geen formele validatie voor opioïdengerelateerde sterfgevallen, aangezien processen voor het coderen van sterfgevallen van staat tot staat verschillen, maar zal enige verificatie van opioïdengerelateerde sterfgevallen omvatten met betrekking tot medische dossiers voor gebeurtenissen met beschikbare staats- en nationale overlijdensgegevens (er is een 12 -maand tot 2 jaar vertraging in de overlijdensaktes van de staat).

Studietype

Observationeel

Inschrijving (Werkelijk)

2701

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Kind
  • Volwassen
  • Oudere volwassene

Accepteert gezonde vrijwilligers

Nee

Geslachten die in aanmerking komen voor studie

Allemaal

Bemonsteringsmethode

Kanssteekproef

Studie Bevolking

Leden van het geïntegreerde gezondheidszorgsysteem van KPNW in Oregon en Washington schreven opioïde analgetica voor.

Beschrijving

opname:

Leden van het geïntegreerde gezondheidszorgsysteem van KPNW in de staten Oregon en het zuidwesten van Washington, tussen augustus 2008 en december 2014

  • Ongeveer 1.200 gebeurtenissen geïdentificeerd op basis van ICD-diagnostische codes voor opioïdenvergiftiging, overdosering of aan opioïden gerelateerde doodsoorzaak
  • Een willekeurige steekproef van ongeveer 1.250 personen met een verhoogd risico op een overdosis opioïden geïdentificeerd op basis van ICD-diagnoses voor opioïde-gerelateerde bijwerkingen, pijn, geestelijke gezondheid of middelenmisbruik

Uitsluiting:

Geen

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
Overdosis opioïden en vergiftiging

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
ICD-9-codes voor overdoses opioïden
Tijdsspanne: Retrospectieve beoordeling over een periode van vier jaar (januari 2009 - december 2013)
  1. 965.0x Vergiftiging door opiaten en aanverwante verdovende middelen
  2. E850 Accidentele vergiftiging door analgetica, antipyretica en antireumatica
Retrospectieve beoordeling over een periode van vier jaar (januari 2009 - december 2013)
Beoordeling van de medische kaart door getraind personeel voor kaartonttrekking en klinische diagnostici.
Tijdsspanne: Retrospectieve beoordeling over een periode van vier jaar (januari 2009 - december 2013)
Retrospectieve beoordeling over een periode van vier jaar (januari 2009 - december 2013)
Algoritmen om de gevoeligheid en specificiteit van ICD-9-diagnosecodes voor het detecteren van overdoses opioïden te verbeteren
Tijdsspanne: Retrospectieve beoordeling over een periode van vier jaar (januari 2009 - december 2013)
  1. Codes/procedures om overdosering en vergiftigingen, zelfmoorden en ernstige ongewenste voorvallen uit te sluiten
  2. Gebruik van gecodeerde medische gegevens, met of zonder Natural Language Processing (NLP) van klinische notaties, om onderscheid te maken tussen zelfmoorden en onbedoelde overdoses.
  3. Gebruik van gegevens uit gecodeerde medische dossiers, met of zonder NLP van klinische notaties, om misbruikgerelateerde overdoses te identificeren die niet zijn gecodeerd als opioïdvergiftiging, maar als zodanig zijn vermeld in de medische dossiers van patiënten
  4. Identificatie van combinaties van diagnostische, procedurele en receptcodes die, als combinatie, indicatief zijn voor een overdosis (bijv. een SEH-bezoek waarbij injecteerbare naloxon wordt toegediend, binnen een paar dagen gevolgd door een recept van buprenorfine-naloxon-tabletten voor sublinguaal gebruik [Suboxone]) .
  5. Voer een beoordeling van medische dossiers uit om waarschijnlijke gevallen te verifiëren die zijn gedetecteerd door tekstzoeken/NLP.
Retrospectieve beoordeling over een periode van vier jaar (januari 2009 - december 2013)

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Onderzoekers

  • Studie stoel: Paul Coplan, MS, ScD, MBA, Purdue Pharma LP

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

7 april 2015

Primaire voltooiing (Werkelijk)

17 mei 2017

Studie voltooiing (Werkelijk)

17 mei 2017

Studieregistratiedata

Eerst ingediend

18 januari 2016

Eerst ingediend dat voldeed aan de QC-criteria

25 januari 2016

Eerst geplaatst (Schatting)

28 januari 2016

Updates van studierecords

Laatste update geplaatst (Werkelijk)

15 april 2020

Laatste update ingediend die voldeed aan QC-criteria

14 april 2020

Laatst geverifieerd

1 april 2020

Meer informatie

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren