我们如何监测和了解莱姆病的趋势?

挑战

莱姆病的监测情况, 特别是在高发地区, 是否随着最近以实验室为基础的报告标准的改变而不再要求报告临床诊断病例. 这一变化导致需要新的数据来源来估计这些地区莱姆病的发病率并监测流行病学和临床表现的趋势.

电子健康记录(EHRs)是监测莱姆病趋势的一个有希望的潜在数据来源. 电子病历数据已用于评估莱姆病流行病学, 以及几种结合诊断代码的算法, 测试订单, 抗生素配药已被提议用于病例识别. 在构建最优病例识别算法方面，还有很大的改进空间.

基于监测的莱姆病(亚莱姆病)网络是CDC国家新发和人畜共患传染病中心之间的合作项目, 趣赢平台, 以及5个旨在利用电子病历数据补充和加强传统莱姆病监测的卫生保健系统.

解决方案

在这项监测研究中, 趣赢平台正在与疾病预防控制中心和莱姆病高负担地区的5个卫生保健系统合作，建立一个虚拟流行病学网络. 该网络将从这些卫生保健系统收集电子病历数据，并利用这些数据估算莱姆病的发病率，并支持流行病学的深入研究, 临床表现, 和, 产品应该上市吗, 疫苗的影响.

这个项目的目标是:

1. 制定和测试基于ehr的莱姆病病例定义.
2. 将这些定义应用于不同的卫生保健系统，以估计当地莱姆病的发病率.
3. 将这些定义作为莱姆病流行病学进一步基于ehr研究的起点.

待测试的定义包括传统的公共卫生风格的案例定义和机器学习衍生的定义.

趣赢平台作为该网络的数据协调中心，负责开发协议, 协调数据收集工作, 分析数据, 促进网络伙伴之间的协作.

该项目第一年的重点是以下任务:

1. 建立关系网. 趣赢平台正在与直接与CDC签约的主要卫生保健系统合作，收集明确定义的患者队列的电子病历数据，并提供一组验证集(病例和非病例)，用于生成和验证一组病例定义. 网站提供的数据将包括与莱姆病事件相关的日期, 比如相遇的日期, 诊断测试日期, 用药日期和高级地理信息.
2. 建立一套基于电子病历的病例定义. 使用验证数据, 我们将根据电子病历数据产生一系列候选病例定义. 这些定义将包括传统的监测案例定义算法和基于分类树的机器学习方法. 我们将评估这些定义的性能，并决定使用一个或多个用于发生率估计和定义将用于以后研究的人群.
3. 产生和常规的发病率估计. 使用案例定义或根据验证数据建立的定义, 我们将估计莱姆病在每个卫生保健系统定义的队列中的发病率. 将在莱姆病传播高峰季节提供临时估计数，并在今年晚些时候提供最终估计数.

在试点阶段之后, 我们将支持一系列更深入的分析，以补充正在进行的发病率估计. 整个网络阶段的任务将包括制定补充研究框架和进行疫苗影响评估, 产品应该上市吗.

结果

通过这些努力, 趣赢平台将为疾病预防控制中心提供新的数据流，用于莱姆病的态势感知和研究. 这将补充现有的公共卫生报告，提供对莱姆病临床发病率的更深入了解，而不完全依赖实验室监测. 这项工作的目标是最终为未来的莱姆病监测提供框架，并加强疾病预防控制中心识别和应对莱姆病发病率趋势的能力.