- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT02667197
Studie for å validere kodede medisinske termer som brukes til å identifisere opioidrelatert overdose i databaser brukt til PMR-studie 1B
Studie for å validere kodede medisinske terminologier brukt for å identifisere opioidrelatert overdose i postmarketing-databasene brukt i PMR-studie 1B
Studieoversikt
Status
Intervensjon / Behandling
Detaljert beskrivelse
Som en del av en serie etter-markedsføringskrav (PMR) studier for utvidet frigivelse (ER) og langtidsvirkende (LA) opioidanalgetika, krever Food and Drug Administration (FDA) innehavere av New Drug Application (NDA) av ER /LA opioider for å utføre studier for å estimere forekomsten av misbruk, misbruk, avhengighet, overdose og død blant pasienter med kroniske smerter ved bruk av langvarig opioidbehandling, og for å validere tiltakene som brukes for å estimere forekomsten av disse uønskede hendelsene.
Hensikten med denne studien er å validere målingen av opioidoverdosehendelser ved å bruke diagnostiske koder og data hentet fra notater skrevet i den elektroniske journalen (EMR), ledsaget av diagnostiske algoritmer, som skal brukes i en studie av forekomst og prediktorer av opioid overdose og død (PMR-studie 1B) blant pasienter som ble foreskrevet opioidanalgetika. Diagnostiske koder, ledsaget av diagnostiske algoritmer, vil bli sammenlignet med manuelt abstraherte medisinske kartgjennomganger.
Kodebaserte algoritmer vil være nyttige for å identifisere opioidoverdoser i påstandsbaserte systemer som kun inkluderer kodede data og vil også finne anvendelighet i systemer med EMR. Kodebaserte algoritmer vil bli forbedret med tekstsøk av EMR kliniske notasjoner ved bruk av Natural Language Processing (NLP) for å identifisere overdosehendelser som ikke identifiseres av diagnostiske koder og for å skille mellom tilsiktede og utilsiktede overdoser. Utbytte fra den resulterende EMR-baserte algoritmen vil igjen bli sammenlignet med manuelt abstraherte medisinske kartgjennomganger.
Denne EMR-baserte algoritmen vil være nyttig for å identifisere opioidoverdoser i systemer med EMR, og for ytterligere å skille mellom årsakene til ulike typer overdoser. For eksempel kan overdosehendelser skyldes feilbruk (f.eks. terapeutisk bruk som ikke er angitt av en kliniker), medisineringsfeil fra pasienter, medisinske feil gjort av forskrivere, misbruk av pasienter, misbruk av ikke-pasienter som utgir seg for å være pasienter for å motta medisiner; og selvmord. Overdosehendelser varierer derfor i intensjonalitet, det vil si om personen forsøkte selvmord eller ikke. Utilsiktede overdoser kan oppstå som et resultat av ulike årsaker, inkludert misbruk (terapeutisk bruk, men ikke i samsvar med klinikerens pålegg), misbruk, bivirkninger på medisiner, anestesi og medisineringsfeil – både pasient- og leverandørbasert. I tillegg kan skillet mellom utilsiktede og tilsiktede overdoser noen ganger være uklart. Denne valideringsstudien vil forsøke å differensiere overdose etter intensjonalitet ved å bruke både kodebaserte algoritmer og NLP-forbedrede algoritmer.
For tiden bruker administrative databaser ICD-9-koder for ikke-dødelige diagnoser og ICD-10-koder for fatale hendelser. I oktober 2015 er ICD-10-koder planlagt å erstatte ICD-9-koder for ikke-dødelige diagnoser i administrative databaser. Denne studien vil validere eksisterende ICD-9-koder slik at studien kan møte den FDA-påkrevde tidslinjen for en endelig rapport innen november 2015.
Denne studien vil ikke evaluere misbruk siden dette vil bli fanget opp av instrumenter i en prospektiv studie av pasienter med kroniske smerter (PMR-studie 1A) ved bruk av en kombinasjon av tilpassede validerte instrumenter, og nye instrumenter som vil bli evaluert i PMR-studie 2. Denne studien vil ikke inkludere en formell validering for opioidrelaterte dødsfall, siden prosesser for koding av dødsfall varierer fra stat til stat, men vil inkludere en viss verifisering av opioidrelaterte dødsfall i forhold til medisinske journaler for hendelser med tilgjengelige statlige og nasjonale dødsdata (det er en 12 -måned til 2 års etterslep i statlige dødsrapporter).
Studietype
Registrering (Faktiske)
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Barn
- Voksen
- Eldre voksen
Tar imot friske frivillige
Kjønn som er kvalifisert for studier
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkludering:
Medlemmer av KPNW integrerte helsevesen som ligger i delstatene Oregon og sørvest i Washington, mellom august 2008 og desember 2014
- Omtrent 1200 hendelser identifisert basert på ICD-diagnosekoder for opioidforgiftning, overdose eller opioidrelatert dødsårsak
- Et tilfeldig utvalg på omtrent 1250 individer med økt risiko for opioidoverdose identifisert basert på ICD-diagnoser for opioidrelaterte bivirkninger, smerte, mental helse eller rusmisbruk
Utelukkelse:
Ingen
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Opioidoverdose og forgiftning
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
ICD-9 koder for opioidoverdoser
Tidsramme: Retrospektiv gjennomgang over fireårsperiode (januar 2009 - desember 2013)
|
|
Retrospektiv gjennomgang over fireårsperiode (januar 2009 - desember 2013)
|
|
Medisinsk kartgjennomgang av utdannet kartabstraksjonspersonell og kliniske diagnostikere.
Tidsramme: Retrospektiv gjennomgang over fireårsperiode (januar 2009 - desember 2013)
|
Retrospektiv gjennomgang over fireårsperiode (januar 2009 - desember 2013)
|
|
|
Algoritmer for å forbedre sensitiviteten og spesifisiteten til ICD-9 diagnosekoder for å oppdage opioidoverdoser
Tidsramme: Retrospektiv gjennomgang over fireårsperiode (januar 2009 - desember 2013)
|
|
Retrospektiv gjennomgang over fireårsperiode (januar 2009 - desember 2013)
|
Samarbeidspartnere og etterforskere
Etterforskere
- Studiestol: Paul Coplan, MS, ScD, MBA, Purdue Pharma LP
Publikasjoner og nyttige lenker
Generelle publikasjoner
- Hazlehurst B, Green CA, Perrin NA, Brandes J, Carrell DS, Baer A, DeVeaugh-Geiss A, Coplan PM. Using natural language processing of clinical text to enhance identification of opioid-related overdoses in electronic health records data. Pharmacoepidemiol Drug Saf. 2019 Aug;28(8):1143-1151. doi: 10.1002/pds.4810. Epub 2019 Jun 19.
- Green CA, Hazlehurst B, Brandes J, Sapp DS, Janoff SL, Coplan PM, DeVeaugh-Geiss A. Development of an algorithm to identify inpatient opioid-related overdoses and oversedation using electronic data. Pharmacoepidemiol Drug Saf. 2019 Aug;28(8):1138-1142. doi: 10.1002/pds.4797. Epub 2019 May 16.
- Green CA, Perrin NA, Hazlehurst B, Janoff SL, DeVeaugh-Geiss A, Carrell DS, Grijalva CG, Liang C, Enger CL, Coplan PM. Identifying and classifying opioid-related overdoses: A validation study. Pharmacoepidemiol Drug Saf. 2019 Aug;28(8):1127-1137. doi: 10.1002/pds.4772. Epub 2019 Apr 24.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Anslag)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- Observational Study 3033-6
- 3033-6 (Annen identifikator: Member Companies of the Opioid PMR Consortium)
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .