衡量痴呆症状诊断信号衰减：一项全美 Medicare 住院数据的国家研究

背景：人工智能（AI）模型在医疗保健领域依赖诊断数据的真实性，而此类数据的质量常常因临床记录实践的差异性而受到影响。在痴呆症，这是一种已存在诊断模糊性的疾病，此种差异性可能在索赔基础的研究和 AI 模型开发中引入系统性扭曲。方法：我们分析了 2016-2018 年的 Medicare Part A 住院数据，检验超过 3000 个美国县之间痴呆相关 ICD-10 编码利用模式。通过临床信息分类将 17 个 ICD-10 编码分为五个诊断类别，我们应用传递顺序模式矢量化（tSPM+）算法来建模时间使用结构。随后我们采用矩阵相似性方法将当地诊断模式与国家规范进行比较，并拟合多变量线性回归来识别与局部至国家诊断对齐程度相关的县级人口统计特征和结构特征。发现：我们发现痴呆相关诊断编码的使用在地理和人口统计方面存在显著差异。非特异性编码在全国范围内占主导地位，而阿尔茨海默病和血管性痴呆编码显示出显著的变异性。时间序列分析揭示了从特定编码向非特定编码的一致性转换，这表明诊断特异性随时间的退化。拥有更高比例农村居民、获医疗补助资格患者以及黑人或西班牙裔痴呆患者的县与国家使用模式的相似性显著低于平均水平。我们的模型解释了当地至国家诊断对齐程度的 38% 变异。