北京市出院病例监测系统中急性卒中病例诊断质量评价

潘岳松，刘改芬，张润华，谢学勤，郑健鹏，魏娜，马越涛，张婧，冀瑞俊，王伊龙，赵性泉，王拥军

利用现有出院病例、死亡监测等行政监测数据库开展卒中发病、死亡、疾病负担等流行病学监测已成为国外最新发展的一种趋势[1-5]。美国[4]、加拿大[1]、芬兰[2]、法国[3]、丹麦[6]等国家，通过整合出院病例信息数据库、死因登记数据库及医疗保险信息数据库，分别建立了全面的卒中监测系统。通过整合利用现有的行政监测数据库，可以开展卒中宏观流行病学科学研究，获得评估和提高医疗质量的信息，为政府卫生决策提供数据支持。

“北京市出院病例信息系统”是北京市卫生局统计信息平台的重要信息系统之一，监测了全市二级及以上医院（不包括军队医院）所有出院病例的病案首页、附页的所有信息，其临床诊断编码依据《国际疾病分类第十次修订临床版》（Ⅰnternational Classification of Diseases，ⅠCD-10）国际版[7]。规范的出院病例信息数据为北京市开展和推进按疾病诊断相关分组研究和工作提供了有力的数据支持。如能深度挖掘利用该系统的病案首页数据，可以最大效率地发挥其在卒中长期动态疾病监测中的作用。然而，涵盖病例的全面性、诊断的正确性和编码的准确性是限制这类行政监测数据库信息可信程度的几个关键要素[8]。即便是在对出院病例监测行政数据库开发比较成熟的发达国家，出院病例监测数据库卒中的诊断仍然存在10%～15%的错误率[9-11]。病例诊断的正确与否直接影响了数据库信息的质量，进而影响利用其进行宏观流行病学研究数据的可靠性。

本研究旨在通过随机抽取部分卒中病例进行诊断核查，评价北京市出院病例监测系统卒中的诊断质量，为利用数据库监测数据开展卒中流行病学监测提供数据质量评价证据。

1. 对象与方法

1.1 核实病例抽取方法和范围 从北京市出院病例监测数据库中按完全随机抽样的方法抽取8家三级医院、7家二级医院。每家医院分别按病历号完全随机抽样方法抽取2007年和2010年急性脑血管病例各50例。不足50例者核查本年度全部急性脑血管病病例。急性脑血管病是指北京市出院病例监测系统中主要出院诊断为脑血管病[12]，参照加拿大卒中监测系统采用的主要卒中类疾病诊断的ⅠCD-10编码[13]，具体包括第一诊断编码为G45（短暂性脑缺血发作）、Ⅰ60（蛛网膜下腔出血）、Ⅰ61（脑内出血）、Ⅰ63（脑梗死）、Ⅰ64（卒中，未特指为脑出血或脑梗死）等病例，不包括Ⅰ67（其他脑血管病，如脑动脉瘤、静脉窦血栓）、H34（视网膜血管阻塞）及G08（颅内和椎管内的静脉炎和血栓性静脉炎）等。缺血性脑血管病包括短暂性脑缺血发作和脑梗死，出血性脑血管病包括脑内出血和蛛网膜下腔出血。

1.2 现场组织与诊断核查 由首都医科大学附属北京天坛医院神经内科4名副主任以上职称医师组成专家组。对于所有抽取的病例，由专家组成员到病例上报医院病案科，通过查阅详细的病案资料，重新做出诊断，作为正确诊断的“金标准”。对于诊断有疑问的病案，由2名专家讨论决定诊断结果。诊断核查专家组成员按照诊断标准经过统一培训和考核合格。诊断标准按照中华神经科学会和中华神经外科学会推荐的各类脑血管疾病诊断标准[14]。

1.3 数据统计分析 调查数据经Epi Data 3.0双份录入，编写程序进行逻辑审核及质量控制。采用SPSS 13.0统计软件进行数据分析。以专家组成员的诊断作为金标准，与原监测系统数据库中的诊断进行比较，计算第一诊断符合率、阳性预测值及其95%可信区间（conf i dence interval，CⅠ）。组间比较采用χ2检验。

2 结果

2.1 核查病历基本情况 实际核查病例1433例，其中2007年704例，2010年729例。其中，二级医院650例（45.4%），三级医院783例（54.6%）。出院病例监测系统中原诊断为短暂性脑缺血发作362例（25.3%），蛛网膜下腔出血24例（1.7%），脑出血163例（11.4%），脑梗死884例（61.7%）。

2.2 急性脑血管病诊断的质量评价 在1433例原诊断为急性脑血管病病例中，第一诊断与专家核查结果符合的为1047例，占73.1%（表1）。用出院病例数据库监测急性卒中发病的总体阳性预测值为73.1%（95%CⅠ 70.7%～75.4%）。不同医院级别之间第一诊断符合率之间差异无显著性（P=0.71）。2007年病例第一诊断符合率高于2010年（P=0.007）。缺血性脑血管病的诊断符合率总体低于出血性脑血管病（缺血性脑血管病69.4%，出血性脑血管病97.3%，P＜0.001）。

2.3 诊断不符病例的正确诊断 第一诊断与专家核查结果不符的386例病例中，381例是缺血性脑血管病，5例是出血性脑血管病。其中2例出血性脑血管病1例是诊断信息不全面（将蛛网膜下腔出血诊断为动脉瘤）、1例是诊断类型不够细化（将高血压性脑出血诊断为原发性脑出血）；另3例实际为脑出血非急性期。381例缺血性脑血管病诊断不符的正确诊断主要是诊断证据不足够、实为头晕、非脑血管病、既往脑梗死本次非急性发作等（图1）。

3 讨论

本研究显示出院病例监测系统急性卒中病例中，第一诊断与专家核查结果符合率为73.1%。缺血性脑血管病的诊断符合率总体低于出血性脑血管病，短暂性脑缺血发作与缺血性卒中的符合率分别只有40.3%和81.3%。缺血性脑血管病诊断不符的正确诊断主要是诊断证据不足够或头晕、既往脑梗死本次非急性发作等。

表1 第一诊断与专家核查结果符合情况

图1 缺血性脑血管病诊断不符病例的正确诊断注：DWI：磁共振弥散加权像；TIA：短暂性脑缺血发作

利用出院信息数据库整合其他现成的行政管理数据库进行卒中发病、死亡及医疗服务质量等方面的流行病学研究已应用越来越广泛[1-4]。如在加拿大，通过整合出院病例首页信息系统、国家急诊监测信息系统、人群登记信息监测系统和医疗保险信息系统，建立了全面的卒中监测系统，涵盖了住院病历、急诊病历、用药和医疗保险等信息[1]。在芬兰，整合出院登记、国家处方药品登记和国家死因登记数据库，建立了一个综合的全国卒中监测数据库，涵盖了全国卒中患者治疗的结构、过程、结局和花费等信息[2]。

然而，建立出院信息数据库的初始出发点是为医保报销提供疾病诊断相关数据支持，而不是出于疾病的人群监测的目的，因此它并不能完全准确地反映相关疾病的发病、死亡等人群信息[15]。本研究显示利用出院病例数据库监测急性卒中发病的阳性预测值为73.1%，略低于国外的报道。国外的研究显示阳性预测值在80%～95%[10-11，16]。本研究显示缺血性脑血管病的诊断符合率总体低于出血性脑血管病，这与国外相关报道一致[10]。基于北京市出院病例监测系统的采用与本研究类似的方法进行的另一项诊断核查研究中，显示急性冠状动脉粥样硬化性心脏病事件的诊断一致率为98.2%[12]。本研究诊断符合率偏低的可能原因，一方面是因为本研究除了包括急性卒中事件外，还包括短暂性脑缺血发作，由于诊断条件、医师专业技术水平的限制等方面的原因，临床上常将头晕、脑缺血等误诊为短暂性脑缺血发作。本研究的数据显示，二、三级医院缺血性脑血管病诊断不符病例中分别有28.7%、37.9%的病例正确诊断应为头晕或眩晕，差异无统计学意义（P=0.06）。另一方面，本研究的目的是评价利用出院病例监测数据库进行人群发病监测的准确性如何，因此将陈旧性脑梗死住院的病例判断为诊断不符。本研究中判断为诊断不符当中约有15%正确诊断是既往脑梗死本次非急性发作。如果研究目的是为利用出院病例监测数据库进行卒中人群医疗服务资源利用情况监测的话，则应将陈旧性脑梗死判断为诊断正确。这在后期数据库的开发利用中也是需要注意的。

本研究存在一定的不足。在研究方法上，本研究以神经内科专家组的诊断作为金标准，评价在出院病例监测数据库中已报道的病例的诊断准确性，因此只能得到阳性预测值。而仅有阳性预测值，并不能全面准确地反映利用出院病例监测数据库进行人群发病监测的信度[6]。北京市出院病例数据库目前只包括全市二级以上医院的住院病例，而没有包括门急诊就医但未住院的病例以及在一级医院、私立医院和涉外医院就医的病例。利用本研究，尚不能检验和评价由于这种原因产生的数据偏差。只有通过将出院病例监测数据库与同期的病例登记完整的外部登记系统或以社区人群为基础的队列进行较验，才能得到灵敏度、特异度、假阳性率、假阴性率及Kappa值等信息，对出院病例数据库用于人群发病监测的信度进行全面的评价[6，10-11]。

综上所述，本研究发现出院病例数据库中卒中诊断总体具有较高的阳性预测值，在利用出院病例数据库数据进行人群发病监测时应进行适当的纠正。同时，在今后的工作中应加强缺血性脑血管病诊断的培训和质量控制。

1 Fang J, Kapral MK, Richards J, et al. The Registry of Canadian Stroke Network:an evolving methodology[J].Acta Neurol Taiwan, 2011, 20:77-84.

2 Meretoja A, Roine RO, Kaste M, et al. Stroke monitoring on a national level:PERFECT Stroke, a comprehensive, registry-linkage stroke database in Finland[J]. Stroke, 2010, 41:2239-2246.

3 Ramalle-Gomara E, Ruiz E, Serrano M, et al. Hospital discharges and mortality registries:2 complementary databases for the epidemiological surveillance of stroke[J]. J Stroke Cerebrovasc Dis, 2013, 22:e441-e445.4 Schoenman JA, Sutton JP, Elixhauser A, et al.Understanding and enhancing the value of hospital discharge data[J]. Med Care Res Rev, 2007, 64:449-468.5 Khealani BA, Khan M, Tariq M, et al. Ischemic strokes in Pakistan:Observations from the National Acute Ischemic Stroke Database[J]. J Stroke Cerebrovasc Dis,2014, 23:1640-1647.

6 Krarup LH, Boysen G, Janjua H, et al. Validity of stroke diagnoses in a National Register of Patients[J].Neuroepidemiology, 2007, 28:150-154.

7 Kokotailo RA, Hill MD. Coding of stroke and stroke risk factors using international classif i cation of diseases,revisions 9 and 10[J]. Stroke, 2005, 36:1776-1781.

8 Couris CM, Seigneurin A, Bouzbid S, et al. French claims data as a source of information to describe cancer incidence:predictive values of two identif i cation methods of incident prostate cancers[J]. J Med Syst,2006, 30:459-463.

9 Tu K, Wang M, Young J, et al. Validity of administrative data for identifying patients who have had a stroke or transient ischemic attack using EMRALD as a reference standard[J]. Can J Cardiol, 2013, 29:1388-1394.

10 Tolonen H, Salomaa V, Torppa J, et al. The validation of the Finnish Hospital Discharge Register and Causes of Death Register data on stroke diagnoses[J]. Eur J Cardiovasc Prev Rehabil, 2007, 14:380-385.

11 Haesebaert J, Termoz A, Polazzi S, et al. Can hospital discharge databases be used to follow ischemic stroke incidence?[J]. Stroke, 2013, 44:1770-1774.

12 万浩, 李岩, 刘静, 等. 北京青年急性冠心病事件院前死亡流行病学研究[J]. 中华内科杂志, 2012, 51:274-278.

13 Kapral MK, Fang J, Silver FL, et al. Effect of a provincial system of stroke care delivery on stroke care and outcomes[J]. CMAJ, 2013, 185:E483-E491.

14 中华神经科学会, 中华神经外科学会. 各类脑血管疾病诊断要点[J]. 中华神经科杂志, 1996, 29:379-380.

15 Sacco S, Pistoia F, Carolei A. Stroke tracked by administrative coding data:is it fair?[J]. Stroke, 2013,44:1766-1768.

16 Ramalle-Gomara E, Ruiz E, Serrano M, et al. Validity of discharge diagnoses in the surveillance of stroke[J].Neuroepidemiology, 2013, 41:185-188.

【点睛】

对北京市出院病历数据库卒中患者的数据评价显示其卒中的正确诊断率为73.1%，其中出血性卒中的诊断正确率高于缺血性卒中，整体阳性预测价值较高。