EPI-VALID：使用CONSTANCES队列数据验证SNDS中识别癫痫患者的算法

引言：HAS于2018年使用法国国家健康数据系统（SNDS）进行了一项关于癫痫患者护理路径的研究。该研究使用了两种算法来识别癫痫患者，基于癫痫住院、严重慢性癫痫保险和抗癫痫药物（AE）配药，并排除了非癫痫特异性AE（提供较低人群估计），或排除了癫痫以外情况（偏头痛、神经病理性疼痛、双相情感障碍、酒精依赖、焦虑）的配药（提供较高人群估计）。为了研究这两种算法（低人群和高人群）的特征，我们使用了CONSTANCES（一个法国全科队列）及其对照样本的数据，这些数据与SNDS数据匹配。方法：这是一项在SNDS中识别癫痫患者方法的验证研究。研究人群是根据引言中定义的算法在2018年识别为癫痫的患者，参考人群是所有在CONSTANCES队列2019年之前的纳入和/或随访问卷中提及癫痫（自由文本字段）的患者。结果：在2018年CONSTANCES队列中的156,819名患者中，有689名患者在问卷中提及癫痫（0.4%）。这个数字低于预期：文献中一般人群的癫痫患病率估计为成人0.6-0.7%。这是由于报告不足和队列中癫痫的代表性不足，我们可以从对照样本数据中估计出这一点。意识到这两个局限性后，我们将算法的特征与使用严重慢性癫痫保险和/或癫痫住院作为SNDS纳入标准的对照算法进行了比较。我们的SNDS算法的准确率不高（高人群和低人群分别为17.8%和35%），而对照算法为58.1%。然而，它们确实提高了灵敏度（分别提高了+33和+14个百分点），而特异度损失很小（分别降低了-1.2和-0.3个百分点）。讨论：对假阳性患者的分析使我们能够确定改进算法的方法。事实上，一些抗癫痫药物可以从纳入标准中排除，因为它们广泛用于其他适应症。例如，从高人群算法中排除普瑞巴林和加巴喷丁将显著提高其准确率（45.3%对17.8%）。